II

UNIVERSIDAD NACIONAL

SISTEMA DE ESTUDIOS DE POSGRADO

ESCUELA DE CIENCIAS GEOGRÁFICAS

UNIVERSIDAD DE COSTA RICA

SISTEMA DE ESTUDIOS DE POSGRADO

POSGRADO EN GEOGRAFÍA

PROGRAMA MAESTRÍA PROFESIONAL EN SISTEMAS DE INFORMACIÓN

GEOGRÁFICAS Y TELEDETECCIÓN

EVALUACIÓN DEL CAMBIO DE USO DE LA TIERRA Y FRAGMENTACIÓN DE

LA COBERTURA FORESTAL EN EL CORREDOR BIOLÓGICO LAGO ARENAL

TENORIO, MEDIANTE TÉCNICAS DE TELEDETECCIÓN,

COSTA RICA

Trabajo Final de Investigación Aplicada, sometida a la Comisión del Programa de Estudios

de Posgrado en Geografía, para optar por el grado y título de Maestría Profesional en

Sistemas de Información Geográfica y Teledetección

GABRIEL BERMÚDEZ RUIZ

Campus Omar Dengo, Heredia

Ciudad Universitaria Rodrigo Facio, Montes De Oca

Costa Rica, 2018

III

Dedicatoria

A mi hija, Amyris…

IV

Agradecimientos

Al Consejo Local del Corredor Biológico Lago Arenal Tenorio, por el apoyo en la

elaboración de este proyecto.

A León Javier Saborío Bejarano, por su apoyo y seguimiento.

A Max Ureña Ferrero, por brindar los principios técnicos e insumos.

A Gustavo Hernández Sánchez, por su apoyo y contribución en la revisión del documento.

A Felipe Morera Vargas del SINAC-ACAT, por contribuir en la validación de la

clasificación.

V

Este Trabajo Final de Graduación fue aceptado por la Comité de Gestión Interinstitucional

del Programa (CI) de Maestría en Sistemas de Información Geográfica y Teledetección

UNA-UCR, en la Escuela de Geografía de la Universidad Nacional de Costa Rica, como

requisito para optar por el grado de Magíster en Sistemas de Información Geográfica y

Teledetección.

Francisco Rodríguez Soto

Coordinador del Programa de Maestría en Sistemas de Información Geográfica y

Teledetección

Marvin Alfaro Sánchez

Profesor responsable

León Javier Saborio Bejarano

Tutor

Gustavo Hernández Sánchez

Lector

Gabriel Bermúdez Ruiz

Sustentante

VI

Resumen

El estudio tuvo como objetivo determinar el cambio en el uso de la tierra y la fragmentación

de las zonas boscosas en el Corredor Biológico Lago Arenal Tenorio (CBLAT), en el periodo

2000 – 2017. Se utilizó imágenes del programa Landsat, a las cuales se les aplicó corrección

radiométrica y atmosférica. Se realizó una clasificación supervisada utilizando el algoritmo

de máxima probabilidad. Se establecieron siete clases temáticas: (1) Bosque Maduro, (2)

Bosque Secundario, (3) Pasto y Charral, (4) Urbano, 5) Cuerpos de Agua, (6) Nubes y (7)

Sombras. La clasificación obtenida se validó por un especialista en SIG del Sistema Nacional

de Áreas de Conservación (SINAC). Se realizó una matriz de cambio de uso de la tierra y se

determinó los cambios entre categorías considerando las pérdidas y ganancias; se excluyeron

las áreas cubiertas por Nubes y Sombras de ambos períodos. También se calculó las métricas

del paisaje para el Bosque Maduro, Bosque Secundario y el Paisaje para el total de área

clasificada. Se obtuvo que la cobertura forestal se redujo de un 40.21 % para el año 2000 a

un 38.18 % en el 2017, con ganancias de Bosque Maduro y perdidas de Bosque Secundario.

Se presentó un dinamismo del 18.23 % (ganancias y pérdidas) del área del CBLAT,

especialmente entre Bosque Secundario y áreas de Pasto y Charral, mientras que el 81.76 %

del área se ha mantenido persistente, presentando una tendencia de cambio negativa de -0.15

%, es decir que por cada año transcurrido se pierden 45.16 ha de bosques. Las áreas de pastos

pasaron de un de 28.56 % a un 31.5 %. A nivel de paisaje obtuvo un descenso en el factor de

diversidad (SDI), una distribución de parches menos homogénea (SEI), a pesar de que

disminuyó la Distancia Media al Vecino más Cercano (MNN). A nivel de clase se presentó un

aumento en el tamaño medio del parche (MPS) y el número de parches (NumP) en Bosque

Maduro, mientras se redujo el MPS y NumP en Bosque Secundario. Adicionalmente aumentó

el número de fragmentos con valores de fragilidad altos. Tomando como referencia el año

2000, se concluye que hay una pérdida de cobertura forestal especialmente de Bosque

Secundario y un paisaje altamente fragmentado en el CBLAT. Se recomienda aumentar la

cobertura boscosa en zonas de protección de ríos, quebradas y zona de protección del

embalse, para crear corredores entre fragmentos a lo interno de las subcuencas.

Palabras claves: clasificación supervisada, Corredor Biológico, fragmentación, métricas del

paisaje, uso de la tierra, Costa Rica

VII

Índice de contenidos

CAPITULO 1. INTRODUCCIÓN - 1 -

Planteamiento del problema y justificación - 1 -

Objetivos - 5 -

Objetivo general - 5 -

Objetivos específicos - 5 -

Limitaciones - 6 -

Términos técnicos - 7 -

CAPITULO II. MARCO TEÓRICO - 10 -

Principios de teledetección - 10 -

Factores que modifican la radiación electromagnética - 11 -

Descripción de imágenes satelitales usado para el monitoreo de recursos naturales - 12 -

Descripción de imágenes Landsat - 14 -

Ventajas de las imágenes Landsat - 17 -

Tratamiento digital de imágenes - 18 -

Correcciones de imágenes – operaciones de pre procesamiento - 18 -

Corrección radiométrica - 18 -

Corrección atmosférica - 19 -

Corrección geométrica - 19 -

Generación de información temática - procesamiento de imágenes - 20 -

Segmentación de imágenes de satélite - 21 -

Creación de regiones de interés - 21 -

Verificación de los resultados - pos procesamiento de imágenes - 22 -

Determinación de la estructura espacial - 23 -

Paisaje - 23 -

Componentes del paisaje - 24 -

Fragmentación - 24 -

VIII

Corredores Biológicos - 27 -

Tecnología SIG y percepción remota aplicada en el análisis del paisaje - 29 -

Métricas del paisaje - 30 -

Descripción del área de estudio - 34 -

Antecedentes de la gestión territorial del Corredor Biológico - 37 -

CAPITULO III. PROCEDIMIENTO METODOLÓGICO - 41 -

Instrumentos - 41 -

Procedimientos - 41 -

Sistema de clasificación - 42 -

Selección de imágenes - 46 -

Corrección de las imágenes - 46 -

Creación de archivo multiespectral - 47 -

Clasificación de imágenes y Regiones de Interés - 48 -

Análisis de separabilidad - 48 -

Agrupación espectral - 49 -

Validación de resultados - 49 -

Diseño y tamaño de la muestra - 49 -

Matriz de confusión - 50 -

Fiabilidad global - 51 -

Errores de omisión y comisión - 51 -

Exactitud del usuario y del productor - 52 -

Índice de kappa (k) - 52 -

Suavización de los resultados - 53 -

Edición visual y afinamiento de la clasificación - 54 -

Detección de cambios - 55 -

Cálculo de métricas de paisaje para el estado de fragmentación - 57 -

CAPÍTULO IV. RESULTADOS Y DISCUSION - 58 -

IX

Uso de la tierra y detección de cambios - 61 -

Análisis del paisaje - 70 -

Métricas de diversidad - 70 -

Métrica de densidad y tamaño de parche - 72 -

Métricas de forma - 74 -

Propuesta de manejo del Corredor Biológico - 77 -

CONCLUSIONES - 84 -

RECOMENDACIONES - 85 -

ANEXOS - 86 -

REFERENCIAS - 99 -

X

Lista de cuadros

Cuadro 1. Características de las imágenes de satélite adquiridas por los sensores del

programa Landsat 1 a Landsat 5 - 15 -

Cuadro 2. Características de las imágenes de satélite adquiridas por los sensores del

programa Landsat 7 y 8 - 16 -

Cuadro 3. Métricas de paisaje y clase empleadas en el estudio - 32 -

Cuadro 4. Leyenda temática para las categorías de uso de la tierra - 43 -

Cuadro 5. Descripción pictórico-morfológico de las categorías de uso de la tierra - 44 -

Cuadro 6. Matriz de cambio para la comparación de mapas de diferentes tiempos, con

pérdidas y ganancias - 55 -

Cuadro 7. Ecuaciones para determinar cambios entre categorías considerando las pérdidas

y ganancias - 56 -

Cuadro 8. Matriz de confusión de la clasificación del uso de la tierra para el año 2000 (escena

1653-Lansat 7) - 60 -

Cuadro 9. Matriz de confusión de la clasificación del uso de la tierra para el año 2000 (escena

1553 - Landsat 5) - 60 -

Cuadro 10. Matriz de confusión de la clasificación del uso de la tierra para el año 2017

- 61 -

Cuadro 11. Inventario del uso de la tierra mediante clasificación de Imágenes Landsat del

Corredor Biológico Lago Arenal Tenorio - 62 -

Cuadro 12. Matriz cruzada de cambio de uso de la tierra, para el año 2000 y 2017 - 67 -

Cuadro 13. Área y porcentaje de pérdidas, ganancias, cambio neto, intercambio y cambio

total para los diferentes Usos de la Tierra, CBLAT 2000 -2017 - 68 -

Cuadro 14. Índice de Diversidad del Paisaje entre el año 2000 y 2017 - 70 -

Cuadro 15. Métrica de densidad y tamaño de parche en el Corredor Biológico Lago Arenal

Tenorio, 2000 – 2017 - 72 -

Cuadro 16. Distribución de los parches según el área, para Bosques Maduros y Bosque

Secundario en el Corredor Biológico Lago Arenal Tenorio, 2000 – 2017 - 73 -

Cuadro 17. Valores de las métricas de forma empleadas en el Corredor Biológico Lago

Arenal Tenorio para el año 2000 y 2017 - 74 -

XI

Cuadro 18. Frecuencia y porcentaje del índice de compactación (K) por clase y año, para las

áreas de cobertura forestal del Corredor Biológico Lago Arenal Tenorio - 75 -

Cuadro 19. Capas vectoriales para el diseño de propuesta de manejo del Corredor Biológico

Lago Arenal Tenorio - 80 -

Lista de figuras

Figura 1. Formas de teledetección (i) reflexión; (ii) emisión y (iii) emisión reflexión - 10 -

Figura 2. Satélites de la Misión Landsat - 14 -

Figura 3. Representación gráfica de los elementos del paisaje - 25 -

Figura 4. Proceso de fragmentación de los ecosistemas naturales - 27 -

Figura 5. Corredor Biológico Lago Arenal Tenorio, Ubicación Geográfica, 2017 - 35 -

Figura 6. Esquema metodológico - 42 -

Figura 7. Representación gráfica de las escenas Landsat - 46 -

Figura 8. Uso de la tierra del Corredor Biológico Lago Arenal Tenorio para el año 2000

según fuentes de información - 63 -

Figura 9. Corredor Biológico Lago Arenal Tenorio, uso de la tierra, 2000 - 64 -

Figura 10. Corredor Biológico Lago Arenal Tenorio, uso de la tierra, 2017 - 65 -

Figura 11. Corredor Biológico Lago Arenal Tenorio, distribución espacial de las zonas de

cambio y zonas estables del conjunto de clases de uso de la tierra, 2000- 2017 - 66 -

Figura 12. Corredor Biológico Lago Arenal Tenorio, distribución espacial del estado de

cambio de la cobertura forestal entre el año 2000 y 2017 - 69 -

Figura 13. Distribución porcentual de la forma de los fragmentos en Bosque Maduro y

Bosque Secundario para el año 2000 y 2017 - 75 -

Figura 14. Ausencia o deterioro de las áreas de protección de ríos y quebradas - 77 -

Figura 15. Ausencia de áreas de protección de los riachuelos (15a) y evidencia de fuertes

procesos de erosión (15b) - 78 -

Figura 16. Corredor Biológico Lago Arenal Tenorio, áreas prioritarias para reforestar en

zonas de protección - 82 -

XII

Lista de gráficos

Gráfico 1. Valores de firmas espectrales para la imagen del año 2000 (Escena 1653 – Landsat

7) - 58 -

Gráfico 2. Valores de firmas espectrales para la imagen del año 2000 (Escena 1553 - Landsat

5) - 59 -

Gráfico 3. Valores de firmas espectrales para la imagen del año 2017 (Escena 1553 – Landsat

8) - 59 -

Gráfico 4. Distancia media al fragmento más cercano de los fragmentos de Bosque Maduro

y Bosque Secundario, Corredor Biológico Lago Arenal Tenorio - 71 -

Lista de Anexos

Anexo 1. Valores de reflectancia y desviación estándar para la escena 1653 – Landsat 5

- 86 -

Anexo 2. Valores de reflectancia y desviación estándar para la escena 1553 – Landsat 7

- 87 -

Anexo 3. Valores de reflectancia y desviación estándar para la escena 1653 – Landsat 8

- 88 -

Anexo 4. Valores del algoritmo Jeffries-Matusita distance, para la clasificación de la imagen

Landsat con respecto a las clases de referencia - 89 -

Anexo 5. Detalle de maya de puntos aleatorios para la validación de la clasificación de la

escena 1653 – Landsat 5 - 90 -

Anexo 6. Detalle de maya de puntos aleatorios para la validación de la clasificación de la

escena 1553 – Landsat 7 - 92 -

Anexo 7. Detalle de maya de puntos aleatorios para la validación de la clasificación de la

escena 1653 – Landsat 8 - 95 -

XIII

Lista de abreviaturas

ACAT Área de Conservación Arenal (ACAT)

ACAT Área de Conservación Arenal Tempisque

ARCOSA Complejo Arenal-Corobicí-Sandillal

ASADAS Asociaciones Administradoras de Sistemas de Acueductos y

Alcantarillados Sanitarios

ASP Áreas Silvestres Protegidas

CB Corredor Biológico

CBLAT Corredor Biológico Lago Arenal Tenorio

ETM+ Landsat Enhanced Thematic Mapper Plus

ha Hectáreas

ICE Instituto Costarricense de Electricidad

LECOS Landscape Ecology Statistics

MINAE(T) Ministerio de Ambiente y Energía (y Telecomunicaciones)

MSS Multispectral Scanner Sensor

NASA National Aeronautics and Space Administration

ND Nivel Digital

OLI Operational Land Imager

PN Parque Nacional

ROIs Áreas de Entrenamiento

SCP Semi-Automatic Classification Plugin

SIG Sistema de Información Geográfica

SINAC Sistema Nacional de Áreas de Conservación

TM Thematic Mapper

USGS Servicio Geológico de los Estados Unidos

- 1 -

CAPITULO 1. INTRODUCCIÓN

Planteamiento del problema y justificación

¿Cuál ha sido la dinámica de uso de la tierra del Corredor Biológico Lago Arenal Tenorio en

el período 2000 – 2017? ¿Cuál es el estado actual de la fragmentación de este ecosistema?

Según Morera, Pintó y Romero (2007) la transformación del paisaje asociada a dinámicas

territoriales contribuye a la expansión de los espacios agrícolas y/o residenciales en

detrimento de las áreas naturales. Los procesos de fragmentación de los ecosistemas han sido

la causa de la pérdida de fertilidad de los suelos, del aceleramiento de los procesos erosivos,

de la pérdida de capacidad de recarga de los acuíferos y de la reducción de bienes y servicios

ecosistémicos (SINAC, 2016) y por supuesto de la reducción de las funciones que los

espacios naturales efectúan en los procesos de infiltración, retención e interceptación de las

precipitaciones (Morera et al., 2007).

Desde la perspectiva ecológica, las consecuencias de la transformación del paisaje se centran

en la reducción o desaparición de los hábitats naturales (Morera et al., 2007). Según

Williams-Linera, Manson y Isunza (2002), la destrucción del hábitat disminuye las

poblaciones de flora y fauna, aumenta el riesgo de extinción local de las especies típicas de

plantas y animales ya que son expuestas a una disminución de la humedad. Adicionalmente

la fragmentación trae como consecuencia cambios en la abundancia y composición de las

especies, invasión de nuevas especies a los fragmentos nativos, debido a los cambios micro

climáticos que ocurren en ellos, afectando la intensidad y calidad de las interacciones

biológicas y la modificación de algunos procesos ecosistémicos, como la descomposición de

la materia orgánica (Bustamante y Grez, 1995).

En Costa Rica las políticas de conservación se han basado históricamente en el Sistema

Nacional de Áreas de Conservación (SINAC), que fue concebido y diseñado para el manejo

múltiple entre las Áreas Silvestres Protegidas (ASP), la propiedad privada y fomentar el

desarrollo de la economía y la cultura regional, sin embargo, estas áreas se establecieron de

forma aislada y sin corresponder a las necesidades de conectividad de áreas núcleo (SINAC,

2007).

- 2 -

Ante el reconocimiento de la complejidad e importancia de la dinámica de los procesos y

patrones ecológicos a grandes escalas espacio-temporales y ante la necesidad de un manejo

integral de grandes territorios, las estrategias de conservación de la biodiversidad han venido

cambiando rápidamente como parte de un sistema o red de conservación (Noss, 1986) y se

ha incluido un sistema adicional de corredores biológicos con la intención de conectar las

áreas protegidas y mejorar y ampliar los habitas naturales de las especies silvestres.

No obstante, Bustamante y Grez (1995) señalan que en Costa Rica los bosques se han

reducido drásticamente producto del crecimiento de la actividad agropecuaria lo cual ha

generado su fragmentación. Morera y Sandoval (2016) señalan que la cobertura forestal en

Costa Rica para el año 2000, excluyendo las Áreas Silvestres Protegidas, evidencia la

presencia de una alta proporción de la cobertura boscosa, especialmente de baja densidad que

es producto de procesos acelerados de regeneración natural y una reducida superficie de la

cobertura boscosa de alta densidad por región de conservación. También mencionan y que el

área de conservación con mayor superficie de bosque es el Área de Conservación Arenal

Tempisque (ACAT), con un 51 % (125,252 ha), de los cuales 51,865 ha (29 %) corresponde

a cobertura boscosa de alta densidad y 73,387 ha (30 %) corresponde a baja densidad, lo que

constituye una línea base importante para la conservación y desarrollo de los corredores

biológicos.

Adicionalmente, Canet-Desanti y Finegan (2010) realizaron un análisis de los perfiles

técnicos de los Corredores Biológicos (CB) y encontraron que solo seis de los 35 perfiles de

los CB de Costa Rica fueron clasificados como óptimos. Para dicho análisis se tomó en

cuenta 14 parámetros establecidos por Rojas y Chavarría (2005), que corresponden con el

mínimo necesario de temas que deben desarrollarse en estos documentos. Obtuvieron que un

86 % de los CB no han tenido evaluaciones ecológicas rápidas o estudios similares, y un 83

% no tiene información relacionada con la biología de las especies que se espera sean

favorecidas con el establecimiento del CB. En cuanto a la configuración espacial, un 18 %

de los perfiles técnicos de los CB no indican la ubicación geográfica, y tan solo un 14 %

presentan mapas.

A pesar de que el Corredor Biológico Lago Arenal Tenorio (CBLAT) tiene una clasificación

como intermedia de los 35 perfiles Técnicos de CB analizados por Canet-Desanti y Finegan

- 3 -

(2010), hay que rescatar que cuenta con un espejo de agua (el Lago o Embalse Arenal) que

cubre 8,317 ha (Vargas y León, 2012), el cual fue inundado entre 1973 y 1979. Desempeña

un papel hidrológico, biológico y ecológico significativo, para el funcionamiento natural de

la cuenca hidrográfica y que por su cercanía con las ASP permite mantener la diversidad

genética y ecológica de la flora y fauna (Carrión et al., 2011). La topografía y el clima de la

zona la hacen poseedora de gran riqueza biológica. Además de la presencia de valiosos

recursos geológicos y rasgos sobresalientes de carácter vulcanológico, paisajístico y cultural

que acentúan aún más su valor (Vargas y León, 2012).

El embalse Arenal ubicado en el CB, es de valor especial para mantener la diversidad

genética y ecológica de las áreas silvestres protegidas que conectan el corredor (Aguilar,

1999). Fue declarado Sitio Ramsar en el año 2000 por la Convención de Humedales de

Importancia Internacional en el puesto 1,022 de importancia a nivel mundial, principalmente

por la importancia ecológica de este embalse y de las actividades productivas que en él se

desarrollan (Vargas y León, 2012).

El CB pertenece a la cuenca del Embalse Arenal, está contribuye con el 41.7 % de la

producción hidroeléctrica nacional (Vargas y León, 2012). Adicionalmente transfiere 30-65

m3/s de agua del Lago Arenal través de canales hasta un distrito de irrigación y permite el

desarrollo de la agricultura en una región que otrora fue primordialmente pecuaria (Jiménez

y González, 2001).

El agua potable es un servicio importante para las comunidades. La cuenca Arenal provee

agua potable para diversos usos domésticos y agroindustriales (Vargas y León, 2012). Para el

año 2016, se cuenta con 16 ASADAS las cuales en su mayoría han adquirido terrenos

privados para reforestar, sin embargo, las selecciones de las fincas se han realizado en

función de las áreas circundantes a la toma del agua y no responde a las zonas de recarga

acuífera, principalmente porque esa información no existe o no es accesible (F. Aguilar,

comunicación personal, 19 de septiembre, 2016).

Adicionalmente, en este Corredor Biológico, se desconoce el uso actual del suelo, el estado

de la cobertura, la tasa de ganancia y pérdida de la cobertura desde la conformación del

CBLAT. En este sentido F. Aguilar (comunicación personal, 19 de septiembre, 2016),

- 4 -

menciona que no cuenta con una herramienta de plan de gestión a largo plazo que le permita

definir las estrategias de acción para mejorar la conectividad de las áreas núcleo del CB.

A pesar de todo lo anterior, falta determinar los tipos de bosque y los cambios en la cobertura

forestal (Carrión et al., 2011). Desde la perspectiva de la conservación de la biodiversidad

Bustamante y Grez (1995) mencionan que es importante averiguar cómo la fragmentación

de los bosques afecta al funcionamiento general de la flora y fauna remanente. Los bosques

saludables son muy importantes en la purificación del agua y para controlar la erosión de los

suelos, el azolve de los ríos y para minimizar el riesgo de inundaciones y deslaves (Myers,

como se citó en Williams-Linera et al., 2002).

Las condiciones anteriores evidencian la ausencia de insumos para una gestión adecuada del

CBLAT o para establecer estrategias de intervención. La información científica disponible

es insuficiente, a pesar de ser una de las cuencas más importantes del país (F. Aguilar,

comunicación personal, 19 de septiembre, 2016). Por lo anterior, este estudio permitirá sentar

las bases para el Consejo Local del Corredor Biológico y que cuente con información para la

elaboración de un plan de gestión para fortalecer la conectividad del CB.

El siguiente estudio se llevó a cabo en el Corredor Biológico Arenal Tenorio, ubicado en el

Área de Conservación Arenal Tempisque del Sistema Nacional de Áreas de Conservación.

La investigación pretende desarrollar acciones que permitan fortalecer el esfuerzo que ha

venido desarrollando el Consejo Local, el cual ha establecido como objetivo general

restablecer la conectividad entre los Parques Nacionales Volcán Arenal y Volcán Tenorio,

incorporando procesos de restauración y conservación de hábitats.

- 5 -

Objetivos

Objetivo general

Determinar el cambio en el uso de la tierra y la fragmentación de las zonas boscosas

en el Corredor Biológico Lago Arenal Tenorio, mediante técnicas de teledetección.

Objetivos específicos

Calcular el cambio de uso de la tierra del Corredor Biológico Lago Arenal Tenorio

en el período 2000 – 2017.

Determinar el grado de fragmentación del área de cobertura forestal del Corredor

Biológico Lago Arenal Tenorio en el período 2000 – 2017, a partir de métricas de

paisaje.

Ofrecer elementos de gestión territorial como línea base para el plan de manejo del

Corredor Biológico.

- 6 -

Limitaciones

Las imágenes Landsat que abarcan el Corredor Biológico Arenal Tenorio en el período de

estudio presentan un alto porcentaje de nubosidad y sombras, lo que generó áreas sin

clasificar.

El contraste altitudinal y topográfico del Corredor Biológico, dificulta la discriminación de

las coberturas, especialmente entre Bosque Maduro y Bosque Secundario.

Las condiciones climáticas, así como su ubicación geográfica y la presencia de un alto

porcentaje de cuerpo de agua, hacen que el vapor de agua de la zona obstaculice la

discriminación de Usos de la Tierra, especialmente en el sector Noroeste del Corredor

Biológico.

.

- 7 -

Términos técnicos

Corredor biológico: Territorio delimitado cuyo fin es proporcionar conectividad entre

paisajes, ecosistemas y hábitat, naturales o modificados, para asegurar el mantenimiento de

la biodiversidad y los procesos ecológicos y evolutivos. Está integrado por áreas naturales

bajo regímenes de administración especial, zonas núcleo, de amortiguamiento, o de usos

múltiples; proporcionando espacios de concertación social para promover la inversión en la

conservación y uso sostenible de la biodiversidad, en esos territorios (Reglamento a la Ley

de Biodiversidad, MINAE, 2008).

Bosque: Ecosistema nativo o autóctono, intervenido o no, regenerado por sucesión natural u

otras técnicas forestales, que ocupa una superficie de dos o más hectáreas, caracterizada por

la presencia de árboles maduros de diferentes edades, especies y porte variado, con uno o

más doseles que cubran más del setenta por ciento (70 %) de esa superficie y donde existan

más de sesenta árboles por hectárea de quince o más centímetros de diámetro medido a la

altura del pecho (Ley Forestal N° 7575. 1996).

Cobertura forestal: Son aquellas áreas con vegetación leñosa, comúnmente denominadas

bosques. En algunos casos se incluyen las plantaciones forestales (Diccionario Enciclopédico

Dominicano de Medio Ambiente, n.d.). El término de cobertura forestal incluye el bosque

primario, intervenido, secundario y plantaciones forestales (IDA/PNUD/FAO como se citó

en SINAC - Programa REDD-CCAD-GIZ, 2015).

De la definición bosque mencionada anteriormente se derivan los siguientes tipos de

cobertura forestal:

Bosque Maduro: Este bosque es producto de un proceso de sucesión que se ha

mantenido ininterrumpido durante 75-100 o más años; compuesto por especies

nativas de árboles; no presenta huellas evidentes de actividad humana; sus procesos

ecológicos no han sido alterados de forma apreciable (SINAC - Programa REDD-

CCAD-GIZ, 2015).

Bosque Secundario: Tierra con vegetación leñosa de carácter sucesional secundario

que se desarrolló una vez que la vegetación original fue eliminada por actividades

humanas y/o fenómenos naturales. Tiene una superficie mínima de 0.5 ha y una

- 8 -

densidad no menor a 500 árboles por hectárea de todas las especies, con diámetro

mínimo a la altura del pecho de 5 cm. Se incluyen también las tierras de Bosque

Secundario inmediatamente después de aprovechadas bajo el sistema de cortas de

regeneración (Decreto 27388 - MINAE, 1998).

Bosque deciduo: Formación vegetal en la que la mayoría de los árboles pierden sus

hojas simultáneamente en la época seca de cada año (SINAC - Programa REDD-

CCAD-GIZ, 2015).

Plantación forestal: Terreno de una o más hectáreas cultivado con una o más

especies forestales, cuyo objetivo principal, aunque no necesariamente el único, es la

producción de madera (Ley Forestal N° 7575. 1996). También se adopta la definición

de una superficie arbolada producida en forma artificial mediante plantación o

siembra (SINAC - Programa REDD-CCAD-GIZ, 2015).

Los siguientes términos fueron adoptados en este estudio para definir los tipos de cobertura

no forestal:

Sistema Agroforestal (pasto con árboles): Forma de usar la tierra que implica la

combinación de especies forestales en tiempo y espacio con especies agronómicas,

en procura de la sostenibilidad del sistema (Ley Forestal N° 7575. 1996).

Pasto sin árboles: Áreas cubiertas por pastos herbáceos, carentes de cobertura

forestal o con una cobertura menor al 10 % (SINAC – Programa REDD-CCAD-GIZ.,

2015).

Cultivos: Son áreas con ocupación agrícola que puede ser permanentes o estaciónales

( Morera y Sandoval, 2016).

Urbano: Están representados por la ocupación urbano - residencial, acompañado de

servicios públicos institucionales, industrial, comercial ( Morera y Sandoval, 2016).

Cuerpos de Agua: Son todos los Cuerpos de Agua, tales como ríos, mares u océanos

que cubren parte de la tierra de forma natural. Duarte, Emanuelli, Milla, Orellana y

López (2015).

- 9 -

Fragmentación: División progresiva de un hábitat a priori relativamente continuo en un

conjunto de fragmentos aislados y de menor tamaño, que quedan embebidos en una matriz

de hábitat degradado, cualitativamente muy diferente al original (Saunders, Hobbs y

Margules, 1991).

Imagen de satélite: Representación visual de la información capturada por un sensor

montado en un satélite artificial. Estos sensores recogen información reflejada para la

superficie de la tierra que luego es enviada a la Tierra y que procesada convenientemente

entrega valiosa información sobre las características de la zona que cubre (Cabrera, Vargas,

Galindo, García y Ordoñez, 2011).

Nivel Digital (ND): Se trata del valor numérico discreto asignado por el sistema formador

de imágenes a cada celda, en respuesta a la irradiancia recibida sobre el plano focal del sensor.

Se le conoce así mismo como nivel de gris, luminancia, número digital, valor de pixel, etc.

Existe una relación lineal entre el ND grabado y la radiancia correspondiente a cada celda de

terreno (Cabrera et al., 2011).

Bandas espectrales: Se refiere a una selección de longitudes de onda con comportamiento

electromagnéticos similares (Chuvieco, 1995).

Firma espectral: Es la reflectancia en función de la longitud de onda. Cada material tiene

una firma única, por lo tanto puede ser usada para la clasificación de materiales (NASA,

2013).

Teledetección: Técnica que nos permite obtener información a distancia de los objetos

situados sobre la superficie terrestre (Chuvieco, 2008).

Uso del suelo: Comprende todas las acciones que realice el hombre sobre una cobertura

específica parcial o permanente con la intensión de cambiarla o mantenerla (Aviles, Araneda,

Duarte, Szejner y Vergara 2015).

- 10 -

CAPITULO II. MARCO TEÓRICO

Principios de teledetección

La Teledetección se basa en un sistema de adquisición de datos a distancia sobre la biósfera,

que está basado en las propiedades de la radiación electromagnética y en su interacción con

los materiales de la superficie terrestre (Romero, 2006). Esto implica que entre los objetos y

el sensor exista algún tipo de interacción (Chuvieco, 2008), como el flujo energético

proveniente de la energía emitida por el propio sensor; o bien, la reflexión de la luz solar en

la superficie terrestre (Aguilar, Mora y Vargas, 2014).

De esta forma, Chuvieco (2008) menciona que es posible adquirir información de las

cubiertas u objetos por medio de reflexión, emisión o por emisión-reflexión (Figura 1). La

reflexión es la forma más importante de teledetección, debido a que el sol ilumina la

superficie terrestre que refleja esa energía en función del tipo de cobertura presente sobre

ella; ese flujo de energía reflejado es recogido por el sensor, que lo transmite posteriormente

a un almacenamiento digital (Aguilar et al., 2014).

Figura 1. Formas de teledetección (i) reflexión; (ii) emisión y (iii) emisión reflexión

Fuente: Chuvieco (2008).

- 11 -

Factores que modifican la radiación electromagnética

Las señales de radiación electromagnética colectadas por los sensores de los satélites en el

espectro solar, son modificadas por absorción, dispersión y emisión producidas por gases y

aerosoles que viajan por medio de la atmósfera, desde la superficie de la Tierra hasta el sensor

(Aguilar et al., 2014). Así mismo, la atmósfera puede afectar la velocidad de la radiación, su

longitud de onda, su intensidad y su distribución espectral, además puede ser desviada de su

dirección original debido a refracción (Castillo, 2012).

La dispersión de la radiación se da por partículas atmosféricas y se presenta bajo tres formas

distintas: la dispersión de Rayleigh, que ocurre cuando el diámetro efectivo de la materia

(moléculas de aire tales como oxígeno y nitrógeno en la atmósfera) es muchas veces más

pequeño que la longitud de onda de la radiación electromagnética incidente (Castillo, 2012).

Adicionalmente, se da por la dispersión de Mie o dispersión por los aerosoles, que se produce

sobre partículas más grandes (Rejas, 2008) y que sucede por debajo de los 4.5 km de la

atmósfera (Castillo, 2012). Finalmente, la dispersión no selectiva toma lugar en las porciones

más bajas de la atmósfera donde hay partículas de 10 veces más grandes diametralmente que

la longitud de onda de la radiación electromagnética incidente (Castillo, 2012).

La absorción por las moléculas de la atmósfera es un proceso selectivo que convierte la

radiación incidente en calor (Rejas, 2008) y que puede tomar lugar en la atmósfera o sobre

el terreno (Castillo, 2012). Por otro lado, la emisión, referente a la radiación propia que emite

cualquier cuerpo con temperatura mayor a -273 K, tiene mayor importancia de estudio en el

infrarrojo térmico de los sensores remotos (Aguilar et al., 2014).

Los efectos de estos tres factores mencionados anteriormente, se manifiestan en un

difuminado de la imagen, disminución de contraste y la cantidad total de radiación que llega

al sensor (Aguilar et al., 2014). Según Castillo (2012), las imágenes de satélite requieren de

operaciones de procesamiento o correcciones previas a la extracción de la información, con

el fin de minimizar los errores más comunes encontrados en sensores remotos, los cuales son

de tipo radiométrico y geométrico. Las deformaciones en las imágenes de satélite pueden ser

originadas por la plataforma, el sensor, la rotación terrestre y por la atmósfera (Arango,

Branch y Botero, 2005).

- 12 -

Es por lo anterior, que es importante conocer los procesos que implica el manejo de imágenes

de satélite antes y después de la clasificación. Según Salvador, Pons y Diego (1996), en la

fase de previa a la clasificación, las imágenes de satélite requieren de correcciones

geométricas mediante algoritmos que tienen en cuenta las deformaciones provocadas por el

relieve, aplicando posteriormente la corrección radiométrica a dichas imágenes.

Seguidamente se realiza la clasificación temática en clases espectrales y finalmente se evalúa

los valores de acierto de las clasificaciones.

Descripción de imágenes satelitales usado para el monitoreo de recursos naturales

Las imágenes de satélite, son una herramienta fundamental para la elaboración de inventarios

del uso del suelo, las cuales brindan información básica, para la planificación, ordenación y

gestión del territorio (Zerda, 2001). El uso de la teledetección a través de imágenes de satélite,

facilita la elaboración de mapas temáticos que denotan el estado de los recursos agrícolas y

forestales. Con el tratamiento informático de las imágenes satélite se pueden discriminar los

tipos de vegetación, su estado y el nivel de protección del suelo (Aviles et al., 2015).

El desarrollo de los sensores remotos ha facilitado la generación de nuevos métodos basados

en interpretación de imágenes de satélite y el uso de equipo computarizado, que ofrece mayor

rapidez y confiabilidad en la generación de la cartografía de los recursos naturales (Buendía,

Terrazas y Vargas, 2002). La teledetección desde satélite ofrece múltiples ventajas, frente a

otros medios de observación convencionales como la fotografía aérea o los trabajos de

campo, entre las cuales Chuvieco (2008) menciona los siguientes:

Las imágenes de satélite permiten realizar estudios de grandes extensiones de

cobertura terrestre. Es una de las pocas fuentes de información globales, ya que

ofrecen información prácticamente de totalidad del planeta en condiciones

comparables (mismo sensor, similitud de altura).

En comparación con los estudios con fotografía aérea, este último resulta más

onerosos en la relación costo-beneficio con respecto al uso de imágenes de satélite

- 13 -

Perspectiva panorámica: la altura orbital del satélite le permite detectar grandes

espacios, es decir abarca varios miles de millones de kilómetros cuadrados con una

sola imagen.

Observación multiescala y no destructiva: se pueden utilizar las imágenes para

extender las observaciones locales a ámbitos de observación mucho más amplios.

Información sobre regiones no visibles del espectro: los sensores facilitan imágenes

sobre tipos de energía que no son accesibles al ojo humano o a la fotografía

convencional.

Cobertura repetitiva: las características orbitales de los satélites de observación

terrestre, les permiten adquirir imágenes repetitivas de toda la tierra en condiciones

comparables de observación, lo que resulta idóneo para abordar estudios

multitemporales.

Transmisión inmediata: las imágenes de satélite son transmitidas a las estaciones

terrestres en tiempo real, siendo muy útiles en la gestión de catástrofes.

Formato digital: agiliza el proceso de interpretación y facilita una evaluación más real

del paisaje.

A nivel global existen diferentes proyectos de teledetección espacial para el monitoreo

ambiental, que tienen como característica una órbita helio sincrónica, que les permite pasar

por un mismo punto a la misma hora y con una cobertura completa del planeta. Por un lado,

las constelaciones QuickBird, RapidEye y SPOT presentan un período de revisita entre uno

a tres días con una resolución espacial entre 0.60 y 5 m de tamaño de pixel. Por otro lado, los

satélites Sentinel -2 y Landsat presentan un periodo de revisita de cada 16 días y sus

productos son gratuitos, con objetivo de investigación o educación (Rodríguez, Sánchez y

Domínguez 2015), por lo cual será objeto de este estudio.

- 14 -

Descripción de imágenes Landsat

Landsat fue el primer satélite de recursos naturales lanzado en julio de 1972 (Romero, 2006)y

desarrollado por la Administración Nacional de la Aeronáutica y del Espacio (NASA, por

sus siglas en inglés) en conjunto con el Servicio Geológico de los Estados Unidos (USGS,

por sus siglas en inglés) (USGS, 2016).

El programa Landsat, lo forman 8 satélites (Figura 2), de los cuales sólo se encuentran

activos el 5 y el 8. Ha sido el único sistema de satélite diseñado y operado para observar

repetidas veces la cubierta de la tierra con una resolución moderada (Ariza, 2013). En la

actualidad el programa se encuentra en su octava versión denominada: “Landsat Data

Continuity Mission” (LDCM).

Figura 2. Satélites de la Misión Landsat

Fuente: (USGS, 2017b).

El sensor Multispectral Scanner Sensor (MSS), se llevó a cabo en Landsats 1-5, y las

imágenes consisten en cuatro bandas espectrales con 60 metros de resolución espacial. El

sensor Landsat Thematic Mapper (TM) se llevó a cabo en Landsat 4 y Landsat 5; las

imágenes consisten en seis bandas espectrales (Cuadro 1), con una resolución espacial de

30 metros para las bandas 1-5 y 7 y una banda térmica (banda 6) de 120 metros de resolución

espacial (USGS, 2017).

- 15 -

Cuadro 1. Características de las imágenes de satélite adquiridas por los sensores del programa

Landsat 1 a Landsat 5

Landsat 1-3 Landsat 4-5

Bandas Longitud de

onda (µm)

Bandas Longitud de

onda (µm)

Banda 1 - Azul 0.45-0.52

Banda 4 - Verde 0.5-0.6 Banda 2 - Verde 0.52-0.60

Banda 5 - Rojo 0.6-0.7 Banda 3 - Rojo 0.63-0.69

Banda 6 - Infrarrojo Cercano

(NIR)

0.7-0.8 Banda 4 - Infrarrojo Cercano

(NIR)

0.76-0.90

Banda 7 - Infrarrojo Cercano

(NIR)

0.8-1.1

Banda 5 - Infrarrojo de onda corta

(SWIR) 1

1.55-1.75

Banda 6 - Térmica 10.40-12.50

Banda 7 - Infrarrojo de onda corta

(SWIR) 2

2.08-2.35

Fuente: USGS, (2017).

Por otro lado, el Sensor Landsat Enhanced Thematic Mapper Plus (ETM+) se lleva a cabo

en Landsat 7 y las imágenes consisten en siete bandas espectrales con una resolución espacial

de 30 metros para las bandas 1-5 y 7(Cuadro 2), siendo la térmica (banda 6) con una

resolución espacial de 60 metros, pero remuestreada a píxeles de 30 metros (USGS, 2017).

- 16 -

Cuadro 2. Características de las imágenes de satélite adquiridas por los sensores del programa

Landsat 7 y 8

Landsat 7 (ETM+) Landsat 8 (OLI)

Bandas Longitud de

onda (µm)

Bandas Longitud de

onda (µm)

Banda 1 - Aerosol costero 0-43-0-45

Banda 1 - Azul 0.45-0.52 Banda 2 - Azul 0-45-0-51

Banda 2 - Verde 0.52-0.60 Banda 3 - Verde 0.53-0.59

Banda 3 - Roja 0.63-0.69 Banda 4 - Rojo 0.64-0.67

Banda 4 - Infrarrojo cercano 1

NIR 1

0.76-0.90 Banda 5 - Infrarrojo cercano (NIR) 0.85 -0.88

Banda 5 - Infrarrojo cercano 2

NIR 2

1.55-1.75 Banda 6 - SWIR 1 1.57 -1.65

Banda 7 - Infrarrojo medio 2.08-2.35 Banda 7- SWIR 2 2.11 -2.29

Banda 8 - Pancromático 0.52-0.90 Banda 8 - Pancromático 0.50-0.68

Banda 9 - Cirrus 1.33-1.38

Banda 6 – Infrarrojo térmico 10.4-12.5 Banda 10 - Infrarrojo térmico (TIRS) 1 10.60-11.19

Banda 11 - Infrarrojo térmico (TIRS) 2 11.50-12.51

Fuente: Recopilado de Ariza, 2013;USGS, 2017.

Finalmente, El satélite Landsat 8 (Cuadro 2), consta de una plataforma con capacidad de

carga de dos de sensores de observación terrestre: el primero de ellos denominado OLI

(Operational Land Imager) con nueve bandas en el espectro óptico, y el segundo, el sensor

TIRS (Thermal Infrared Sensor) con dos bandas en el infrarrojo térmico (Ariza, 2013).

- 17 -

Ambos sensores, presentan imágenes con una resolución espacial de 30 metros y resolución

temporal de 16 días, siendo la banda pancromática de 15 metros de resolución espacial

(USGS, 2017). Se diferencian en que Landat 7 presenta 8 bits de resolución radiométrica,

mientras que Landsat 8 de 12 bits.

Ventajas de las imágenes Landsat

Las características de resolución espectral, espacial y temporal de las imágenes

Landsat, la disponibilidad de datos históricos, las facilidades para su adquisición y la

política de toma continua y a largo plazo del programa (Cabrera et al., 2011)

convierten a estas imágenes en una alternativa adecuada para los objetivos que se

plantean en este estudio.

La comparación entre imágenes de dos períodos se realiza en el mismo sistema de

referencia, debido a que todos los datos del LDCM son referenciados al mismo

sistema de coordenadas, continuando con el registro de datos desde hace décadas

(Ariza, 2013).

Las imágenes presentan un nivel de procesamiento 1T (ortorectificado), en formato

GeoTIFF (Ariza, 2013). Estas se consideran adecuadas para análisis de series de

tiempo puesto que tienen una radiometría bien caracterizada lo que permite su

calibración (USGS, 2017b).

El programa Landsat 8 (LDCM) mantiene la misma calidad de sus siete predecesores.

Adicionalmente los datos son compatibles en términos de la geometría de

adquisición, calibración, características de cobertura espectral y espacial, así como en

la calidad del producto (USGS, 2017a).

La misión es continua, considerando que el USGS está desarrollando la misión

Landsat 9 (OLI-2), siendo una copia del OLI de Landsat 8 y proporcionará imágenes

infrarrojas visible, infrarrojas cercano e infrarroja de onda corta, consistentes con las

características espectrales, espaciales, radiométricas y geométricas de las misiones

Landsat anteriores (USGS, 2017c).

Las imágenes del Landsat 8 añaden bandas en el visible (azul) y en el IR (medio, de

onda corta y térmico) que les permiten abortar estudios sobre vegetación, suelos, o

- 18 -

zonas urbanas que no son viales con las imágenes de otros sensores como en el

Quickbird o el SPOT (Rodríguez et al., 2015).

Tratamiento digital de imágenes

Es importante conocer los procesos que implica el manejo de imágenes de satélite antes y

después de la clasificación. Según Salvador et al., (1996), en la fase de previa a la

clasificación, las imágenes de satélite requieren de correcciones geométricas mediante

algoritmos que tienen en cuenta las deformaciones provocadas por el relieve, aplicando

posteriormente la corrección radiométrica a dichas imágenes. Posteriormente se realiza la

clasificación temática en clases espectrales y finalmente se evalúa los valores de acierto de

las clasificaciones. Estas fases se clasifican en operaciones de pre procesamiento,

procesamiento y pos proceso, las cuales se detallan a continuación.

Correcciones de imágenes – operaciones de pre procesamiento

Corrección radiométrica

La corrección o calibración radiométrica está relacionada con la mejora en la precisión de la

reflectancia espectral, emitancia en la superficie, o mediciones de retrodispersión obtenidas

usando un sistema de sensores remotos (Castillo, 2012). Este método permite convertir la

información de la imagen original de cada pixel , de niveles digitales (ND) a niveles de

reflectancia captada por el sensor en el tope de la atmósfera (SINAC - Programa REDD-

CCAD-GIZ, 2015).

Este proceso de corrección, permite remover el efecto de los diferentes ángulos de incidencia

de la energía solar y de la distancia Tierra – Sol (SINAC - Programa REDD-CCAD-GIZ,

2015), eliminar los efectos de iluminación causados por la orientación y la pendiente del

relieve (Salvador et al., 1996), además de deficiencias en la construcción del sensor (Duarte

et al. 2015). Según Salvador et al., 1996) estas condiciones pueden llevar a respuestas

espectrales muy diversas de un mismo tipo de formación vegetal o de cubierta del suelo,

aumentando de forma considerable la varianza interna de su respuesta.

- 19 -

En este sentido, Salvador et al., (1996) mencionan que la heterogeneidad del relieve es uno

de los factores que puede aportar más varianza y confusión espectral en cualquier tipo de

imagen captada por un sensor remoto, los cuales son de elevada complejidad y de difícil

modelización. La corrección radiométrica también es conveniente en el caso de utilizar

imágenes de diferentes tipos de sensores, pues permite normalizar las diferencias de valores

de la radiación solar causados por las diferencias de los rangos espectrales entre las bandas

de las imágenes (Cabrera et al., 2011; SINAC - Programa REDD-CCAD-GIZ, 2015).

Corrección atmosférica

La corrección atmosférica es un proceso que se aplica a las imágenes digitales, con el

propósito de eliminar el efecto de los aerosoles y la radiancia que se introduce en el sensor y

se ve reflejado en la imagen, como producto de la interacción del sensor con la atmósfera

(SINAC - Programa REDD-CCAD-GIZ, 2015). Para esto se requiere convertir los ND de

cada banda a valores de radiancia, que posteriormente se transforma a valores de reflectividad

en el techo de la atmósfera (Aguilar, Zamora y Vargas, 2014). Este proceso de corrección es

importante porque mejora los resultados finales del proceso de clasificación (Cabrera et al.

2011).

Corrección geométrica

La corrección geométrica se utiliza para corregir los desplazamientos y distorsiones

geométricas presentes en una imagen, causados por la inclinación del sensor (posición del

sensor en el momento de la toma), la influencia del relieve y los errores sistemáticos

asociados con la imagen (SINAC - Programa REDD-CCAD-GIZ, 2015). Según Castillo

(2012), la corrección geométrica se refiere a la ubicación de lo reflejado, emitido o productos

derivados en su propia localización planimétrica. Adicionalmente, según Cabrera (2011) este

proceso tiene implicaciones directas en la precisión de la posición de los resultados a obtener

en el procesamiento de estimación de cambios entre coberturas, que garantiza que los

cambios reportados entre dos imágenes de la misma zona y distintas fechas se deban a

- 20 -

cambios en las coberturas de la tierra detectadas durante el periodo establecido, y no a

diferencias en la posición de las imágenes en el periodo de análisis.

Generación de información temática - procesamiento de imágenes

Una vez que las imágenes han sido corregidas, es posible hacer una clasificación o

segmentación digital de la imagen, que puede ser bajo esquemas supervisados, no

supervisados, clasificación orientada a objetos, técnicas de clasificación basada en lógica

difusa, o técnicas de clasificación basadas en árboles de decisión (Cabrera et al. 2011). La

imagen segmentada es posteriormente editada para generar el archivo de clasificación de uso

de la tierra, mediante el uso de clases espectrales.

Por un lado, el método supervisado parte de un conocimiento previo del terreno, adquirido

por experiencia previa o por trabajo de campo y permite al intérprete delimitar sobre la

imagen unas áreas piloto o campos de entrenamiento, que se consideran suficientemente

representativas de las categorías que componen la leyenda y a partir de ellas el ordenador

calcula los ND que definen cada una de las clases y posteriormente el resto de los pixeles de

la imagen a una de esas categorías en función de su ND (Chuvieco, 1995).

Por otro lado, la clasificación no supervisada se define como proceso de agrupación de

píxeles con valores digitales similares para todas las bandas y cada una de estas agrupaciones

son llamadas clases espectrales (Arango et al., 2005). Tienen como principal ventaja el

reconocimiento de patrones espectrales de manera autónoma e interactiva, sin sujetarse a un

estricto conocimiento del sitio de estudio y permitiendo concentrar la tarea humana en la

interpretación más que en la consecución de los resultados (Arango et al., 2005; Chuvieco,

1995).

También pueden emplearse métodos mixtos de clasificación, como el empleo de análisis

supervisado para guiar el no supervisado, especialmente cuando se presentan coberturas

conocidas en la imagen. También, se pueden aplicar ambos métodos por separado en la

misma imagen, ganando significado espectral e informacional de las clases resultantes, en

este último se utiliza el método no supervisado para estratificar la imagen quedando el no

supervisado para las áreas no clasificadas previamente (Chuvieco, 1995).

- 21 -

Segmentación de imágenes de satélite

Para facilitar el proceso de clasificación se recomienda implementar un esquema de

segmentación, el cual es un proceso digital de agrupamiento de pixeles a objetos más

significativos, usados para simplificar la imagen (Cabrera et al., 2011; Duarte et al., 2015).

Un incremento en el número de clases espectrales en una clasificación, puede permitir la

caracterización de las diferentes respuestas espectrales de un tipo de cubierta del suelo bajo

diferentes condiciones de iluminación; posteriormente estas clases espectrales pueden ser

reagrupadas en su clase temática correspondiente mediante el uso de áreas de entrenamiento

o regiones de interés (Salvador et al., 1996).

Creación de regiones de interés

Las técnicas de clasificación mencionadas anteriormente (a excepción de la no supervisada)

requieren un conjunto de áreas de entrenamiento con coordenadas conocidas (espacialmente

explicitas), las cuales serán luego asociados a los segmentos generados (Cabrera et al, 2011).

Las Regiones de interés se distribuyen de manera sistemática o aleatoria en toda la imagen a

clasificar de tal forma que sea homogéneo en todas las clases (Cabrera et al., 2011; Coronado,

2014).

Como regla general la cantidad de áreas de entrenamiento deben ser representativas de la

variabilidad del universo a clasificar, siendo recomendable contar con alrededor del 1 % del

universo total, es decir, del total de los segmentos generados para una imagen determinada

(Cabrera et al., 2011). Osuna-Osuna et al. (2015) indica que es necesario seleccionar al menos

30 campos de entrenamiento por clase, con 12 a 16 píxeles por campo para cada imagen, lo

que representa áreas mayores a una hectárea.

Posteriormente a la segmentación se inicia la fase de asignación, la cual trata de adscribir

cada uno de los pixeles de la imagen a una de las clases respectivas y para cada una de las

bandas que intervienen en el proceso mediante funciones (Chuvieco, 1995). Los criterios más

- 22 -

empleados para establecer estas fronteras estadísticas son 1) el mínimo de la distancia donde

el pixel se asigna a la clase más cercana, 2) paralelepípedos y 3) máxima probabilidad.

El clasificador de máxima probabilidad, es ampliamente usado en la clasificación de

imágenes de detección remota, donde el pixel se asigna a aquella clase con la que posee

mayor probabilidad de pertenencia (Eastman, 2003). Chuvieco (1995) señala que el

clasificador de paralelepípedos permite señalar al usuario unos umbrales de dispersión

asociados a cada clase, pero que entre más grande el umbral, más riesgo de confusión con

categorías vecinas. Esto implica zonas comunes en dos o más categorías, además que algunos

pixeles queden sin clasificar, por lo que recomienda revisar la definición espectral de las

categorías.

Verificación de los resultados - pos procesamiento de imágenes

El mapa temático producto de una clasificación digital no está exento de errores y tienen

cierto grado de confiabilidad que debemos tener presente en los resultados (Morales-

Hernández y Carrillo-González, 2016). Las fuentes de error de una clasificación temática

pueden estar relacionadas con el terreno objeto de estudio (forma, orientación tamaño de las

parcelas y contraste entre cubiertas vecinas), con el nivel de precisión requerido (segregación

de la leyenda), con la adquisición de la imagen y con los factores medioambientales externos

(Chuvieco, 1996).

Duarte et al., (2015) mencionan que para mejorar la precisión de los mapas, se puede

seleccionar un área de verificación, mediante una malla de puntos distribuida

sistemáticamente en toda el área de estudio, cuya verificación es realizada por un técnico

externo al que elabora los mapas con el fin de lograr más objetividad en los procesos. Este

análisis es importante porque permite obtener conclusiones que servirán de base para la

elaboración de una nueva versión del mapa, mejorando su calidad. El grado de fiabilidad de

un mapa, también puede determinarse comparando el inventario de la clasificación con el

obtenido por otras fuentes, o bien, determinar la fiabilidad de las áreas de entrenamiento

(Chuvieco 1996).

Es importante señalar que el éxito de la clasificación se puede verificar por medio de una

matriz de confusión (Salvador et al., 1996). La matriz examina la exactitud global e

- 23 -

individual de las clases de usos y coberturas clasificadas, en comparación con las regiones

de interés seleccionadas por el experto (Coronado, 2014). La matriz proporciona información

relacionada con la exactitud del productor (porcentaje de aciertos que se han producido en la

clasificación) y del usuario (que corresponde al porcentaje de casos que según la clasificación

pertenecen a la clase).

Adicionalmente, la exactitud de la clasificación puede medirse mediante el coeficiente de

Cappa, que mide la diferencia entre el acuerdo mapa-realidad observado y al que cabría

esperar simplemente por azar (Morales-Hernández y Carrillo-González, 2016).

Determinación de la estructura espacial

Paisaje

Según (Morera et al., 2007) el paisaje se refiere al mosaico de elementos , dispuestos en unas

determinadas proporciones de número, forma, posición geográfica y superficie, que

caracterizan un territorio concreto. La ecología del paisaje reconoce al paisaje como un

mosaico de diferentes tipos de hábitat que en la mayoría de los casos está influenciado por

las actividades humanas de uso de la tierra, resultando en una mezcla de parches desde hábitat

naturales hasta tierras de uso intensivo (Turner, 1989).

Otros autores también incluyen en su definición los efectos antropogénicos en la definición

del paisaje. Por un lado, el Convenio Europeo del Paisaje lo define como cualquier parte del

territorio tal como la percibe la población, cuyo carácter sea el resultado de la acción y la

interacción de factores naturales y/o humanos (Consejo de Europa, 2000). Por otro,

Zonneveld (como se citó en Morera et al.,2007) define el paisaje como:

Un complejo de sistemas relacionados, generados y sostenidos por la acción mutua

de fuerzas bióticas y abióticas, así como por la actuación humana, y que, debido a la

fisonomía que presenta, permite individualizar partes diferenciadas de la superficie

terrestre.

Es por ello que los patrones o mosaicos resultan de las interacciones entre los condicionantes

ambientales naturales y las actividades humanes en un territorio concreto y constituyen

- 24 -

fenómenos únicos que emergen al nivel del paisaje (Morera et al., 2007). Esto permite a la

ecología del paisaje estudiar como los mosaicos de hábitat naturales y antropogénicos están

estructurados, cómo el patrón espacial influye en los procesos ecológicos y cómo el mosaico

del paisaje cambia a través del tiempo (Bennett, 1999).

Componentes del paisaje

En el estudio del paisaje es importante tomar en cuenta tres características, que son la

estructura, la función y el cambio (Ramos, 2004; Turner, 1989). Según (Bermúdez, 2015)

estos componentes se ven influenciados por las actividades antropogénicas y naturales a

diferentes escalas, magnitudes y en tiempo, por lo que la composición de un sitio siempre va

a ser diferente si se compara con otro, único y propio de cada lugar .

La estructura se refiere a la disposición espacial de los distintos ecosistemas, como la

distribución de energía, materiales y especies en relación con los tamaños, formas, cantidad,

tipos y configuración de los componentes (Turner, 1989). En cuanto a la función, se refiere

a las interacciones de los elementos espaciales, esto es, el flujo de energía, materiales y

organismos entre los componentes del ecosistema (Chassot et al., 2007; Turner, 1989). Por

último, el cambio se refiere a la alteración de la estructura y función del mosaico ecológico

a través del tiempo (Turner, 1989).

Fragmentación

La fragmentación de los ecosistemas y del bosque en particular, es para muchos ecólogos

uno de los procesos que afectan más severamente a la biodiversidad. En general, se considera

que tiene un efecto negativo sobre muchas especies de plantas y animales y sobre algunos

procesos ecológicos (Morera et al. 2007). Según Bennett (1999) los procesos de

fragmentación tienen tres reconocibles procesos: a) pérdida o destrucción total del hábitat en

el paisaje, b) reducción del hábitat y c) aislamiento de los fragmentos de hábitat.

Los mosaicos paisajísticos se consideran compuestos por tres tipos de elementos: la matriz,

los fragmentos (también llamados parches o polígonos) y los corredores (Chassot et al.,

2007). Los fragmentos son los polígonos discretos que pueden llegar a individualizarse en la

- 25 -

fotointerpretación: campos de cultivo, fragmentos de bosque, pastos, núcleos de población,

edificios aislados, láminas de agua, otros (Morera et al., 2007). Chassot et al., (2007)

mencionan que los fragmentos son unidades físicas observables y cuantificables a través del

cálculo de atributos como la forma, tamaño, distribución espacial, cercanía entre fragmentos,

lo cuales pueden ser individuales y/o de distintos usos del suelo (Figura 3).

Figura 3. Representación gráfica de los elementos del paisaje

Fuente: Morera et al., 2007.

En cuanto a los corredores (Figura 3), se han definido como elementos de forma

longitudinal: cursos de agua, carreteras, setos vivos, trincheras de líneas eléctricas, otros. En

el análisis del paisaje orientado a la gestión de los espacios naturales se tiende a considerar

únicamente como corredores aquellos elementos que pueden garantizar el flujo de especies

entre diferentes piezas del paisaje matriz (Morera et al., 2007). Mientras tanto, la matriz, hace

- 26 -

referencia a la cubierta del suelo que predomina netamente en el paisaje matriz (Morera et

al., 2007), en los movimientos de energía materiales y organismos (Chassot et al., 2007).

Como se mencionó anteriormente la reducción de hábitats, trae como consecuencia la

extinción de especies. Este proceso se da por dos fenómenos que ocurren a dos escalas

espaciales diferentes: 1) a escala de paisaje, la deforestación reduce la heterogeneidad

espacial y la disponibilidad de hábitat, afectando a las especies que necesitan hábitats

continuos de gran tamaño para mantener poblaciones viables, y 2) a escala de fragmento, en

donde las poblaciones remanentes pueden tender a ser pequeñas, lo que aumenta su

vulnerabilidad a la extinción por factores demográficos o estocásticos (Kattan, 2002)

Un bosque fragmentado puede ser descrito por atributos tales como número de fragmentos,

tamaño, forma y grado de aislamiento de los fragmentos, los cuales pueden estar rodeados

de vegetación secundaria, cultivos, asentamientos humanos y vías de acceso (Bustamante y

Grez, 1995). Adicionalmente, los cambios en el patrón del paisaje que pueden presentarse a

partir de la fragmentación pueden ser identificados y descritos a partir de la medición de

atributos, tales como: el área total del hábitat natural remanente, la distribución de frecuencia

de tamaño de los fragmentos, la forma de los fragmentos, la distancia entre fragmentos, y el

nivel de contraste entre los hábitats remanentes y el uso de las tierras adyacentes (Bennett,

1999).

Según Morera et al., (2007) la fragmentación de los ecosistemas atraviesa varias etapas:

En su estadio inicial, intacto, el ecosistema solo exhibe una alteración menor al 10 %

de la superficie, producto de los mismos procesos naturales del ecosistema, por

ejemplo, “gaps” o claros del bosque donde se produce la regeneración de estos

ambientes naturales (Figura 4). De continuar con el proceso de fragmentación, el

ecosistema alcanza un estadio denominado salpicado, significa que la superficie del

ecosistema ha sido alterada entre 10 y 40 %, sin embargo, los procesos ecológicos

naturales aún son dominantes. Si el proceso de alteración continua, los espacios

naturales alcanzan el estadio denominado fragmentado, en el que las áreas cubiertas

por los ecosistemas naturales no sobrepasan el 40 o 60 %.

- 27 -

Figura 4. Proceso de fragmentación de los ecosistemas naturales

Fuente: Morera et al. 2007.

Corredores Biológicos

Los corredores son estructuras espaciales conformadas por una serie de fragmentos de bosque

u otro ecosistema, cuyos tamaños, distancia próxima, y forma geométrica hace posible el

flujo e intercambio de especies, materia, energía e información proveniente de los hábitats

nodales. Están formados por ecosistemas naturales o fragmentos remanentes cuyas

estructuras paisajísticas tienen formas lineales, alargadas, angostas e irregulares y funcionan

como hábitats permanentes o temporales cuya conexión permite el flujo de especies (Morera

et al., 2007)

En este contexto, Beier y Noss, (1998) definen los corredores biológicos como un hábitat

lineal, que difiere de la matriz y conecta dos o más fragmentos de hábitat. La finalidad de

estos es permitir la dispersión de plantas y animales de una reserva a otra o de un fragmento

de bosque a otro, facilitando el flujo de genes y la colonización de sitios adecuados, así como

facilitar la migración estacional de especies en busca de alimento entre diferentes hábitat

(Ramos, 2004).

- 28 -

Según el (SINAC, 2008) los componentes estructurales de un corredor biológico son:

Áreas núcleo: son áreas naturales protegidas cuyo propósito es que los ecosistemas

continúen manteniendo la biodiversidad y la provisión de bienes y servicios

ecosistémicos para la sociedad.

Rutas de conectividad: son propuestas de enlace entre dos o más zonas núcleo, que

surgen del paso entre los diferentes usos del suelo y que proveen una menor

resistencia al movimiento de especies; así como, la adaptación a los cambios y

presiones del ambiente y del clima

Hábitats sumideros: son fragmentos del ecosistema original. Por sus características

en cuanto a tamaño y salud del ecosistema en sí, no son capaces de mantener

poblaciones viables de especies, por lo que necesitan de la inmigración de individuos

provenientes de las zonas núcleo.

Matriz del corredor biológico: área dedicada a usos múltiples (actividades

agropecuarias, asentamientos humanos, aprovechamiento forestal, ecoturismo, otros).

Forman y Godron, (1986) indica que los corredores se pueden identificar según su origen

en:

Corredores perturbados: resultan de la perturbación de una franja, por ejemplo, un

carril forestal empleado para el arrastre y transporte de la madera, carreteras o vías de

tren y líneas de tensión eléctrica.

Corredores remanentes: son el resultado de una perturbación en la matriz

paisajística: una franja de árboles remanente de un bosque talado, una franja de

pradera nativa a ambos lados de una vía de tren.

Corredores ambientales: resultan de la heterogénea distribución linear de los

recursos ambientales en el espacio: corredores de ribera, o rutas faunísticas a lo largo

de puentes angostos son un ejemplo de corredores ambientales.

Plantaciones corredor o corredores verdes: los parques o zonas verdes de las zonas

urbanas, o los setos plantados en hilera.

Corredores de regeneración: que resultan de la regeneración de una franja de

vegetación dentro de un área ambientalmente degradada o perturbada. Muchas hileras

- 29 -

de setos vivos crecen a lo largo de vallas o cercas, y algunas áreas verdes urbanas son

producto de la regeneración espontánea).

Por último, Forman y Godron, (1986) les atribuye cinco funciones principales: 1) constituyen

hábitat de ciertas especies, 2) conducto para las especies, 3) filtro, 4) fuente y 5) sumidero

tanto de especies como de materia que circula en el paisaje (sedimentos, semillas,

contaminantes, etc.) con efectos ambientales y ecológicos en el entorno.

Tecnología SIG y percepción remota aplicada en el análisis del paisaje

Las imágenes de percepción remota procesadas con la tecnología de los sistemas de

información geográfica (SIG) constituyen una importante herramienta de trabajo en la

investigación en ecología de paisajes, que permiten integrar y analizar la heterogeneidad

espacial en formato digital, fácilmente mensurable (Moizo Marrubio, 2004). A su vez,

proporcionan el insumo básico para el análisis de los mosaicos espaciales y su estructura

(Pinto, 2001).

En este contexto de la ecología de paisaje, la percepción remota se ha constituido en una

herramienta importante para el análisis, facilitando y ampliando la representación, la

interpretación y el análisis de los datos espaciales (Moizo, 2004). A través del procesamiento

de imágenes de satélites se logra obtener gran cantidad de información tanto espacial como

la asociada a los cambios en el tiempo o a los impactos del hombre sobre algunos sistemas

ecológicos (Delgado, Ramos, Martínez y García, 2003).

La estructura del paisaje se cuantifica mediante el conteo de píxeles o de puntos, siendo la

primera opción la técnica más usada en ecología del paisaje. El conteo se realiza

superponiendo a la imagen que se estudia una grilla dividida en cuadrados (Moizo, 2004).

Hay que hacer notar que el enfoque holístico de la ecología de paisaje, así como con todas

las variables asociada hace que el análisis de grandes volúmenes de información no pueda

hacerse de manera tradicional, solo con avanzada tecnología como los SIG permiten el

manejo y la integración de la misma (Delgado et al., 2003).

- 30 -

Sánchez, Granados, Chávez, Villegas y Mendoza, (2010) mencionan que la integración de la

ecología del paisaje y la percepción remota, puede ser muy útil para una evaluación exacta y

oportuna de la dinámica y función del paisaje derivadas de los cambios de uso del suelo, que

pueden detectarse mediante la diferencia en los valores de reflectancia de dos objetos

registrados en dos fechas distintas. El uso de tecnologías modernas como los SIG y los

Sensores Remotos, se convierte en una herramienta de gran utilidad para la planeación,

conservación y manejo de los recursos naturales. (Gómez, Anaya y Alvarez, 2005).

Métricas del paisaje

Los índices del paisaje a portan datos numéricos sobre la composición y configuración del

paisaje, la proporción de cada cubierta del suelo y la forma de los elementos del paisaje (Vila,

Varga, Llausàs y Ribas, 2006). Estos índices forman parte de los métodos cuantitativos en

ecología del paisaje, que según McGarigal y Marks, (1994) se aplican en los siguientes

niveles:

a) A nivel de fragmento. Los cálculos se aplican a cada fragmento individualmente.

b) A nivel de clase. Los cálculos se aplican a cada conjunto de fragmentos de la misma

clase, es decir, a aquéllos que tienen el mismo valor o que representan el mismo tipo

de cobertura.

c) A nivel de paisaje. Los cálculos se aplican al conjunto del paisaje, es decir, a todos

los fragmentos y clases a la vez.

Adicionalmente, los índices del paisaje se pueden agrupar en cinco grandes tipos McGarigal

y Marks, (1994):

a) Índices de área, superficie, densidad y variabilidad: centrado en las características

de dimensión y en el número de fragmentos que conforman el área de estudio.

b) Índices de forma: que están fundamentados en las características de forma de los

fragmentos que constituyen un determinado paisaje.

c) Índices de ecotono y hábitat interior: permiten hacer cálculos sobre la amplitud del

ecotono, o hábitat de borde, en relación con el hábitat interior.

- 31 -

d) Índices de distancia, vecindad y conectividad: Estos índices calculan la distancia

desde el hábitat de borde y ecotono de un fragmento hasta el fragmento más próximo

al mismo tipo.

e) Índices de diversidad del paisaje. Estos índices aportan información relevante para

poder comparar distintos paisajes o la evolución de un paisaje en diferentes momentos

históricos.

Según Vila et al., (2006) existe una gran variedad de software desarrollado con la finalidad

de cuantificar las características de la estructura del paisaje, tales como Fragstats, Grass,

Patch Grid y V-Late. También existen complementos para el software QGIS tales como

Lecos (landscape ecology statistics), que calcula las estadísticas para la ecología del paisaje

a nivel de clase y de paisaje (Jung, 2016).

Adicionalmente existen diversas experiencias de estudios del paisaje empleando Sistemas de

Información Geográfica, en los que resalta Lozano, Gómez y Valderrama (2011), Galván-

Guevara et al. (2015) y Cardona et al. (2013). Otros estudios realizan comparaciones entre

las diversas métricas del paisaje como los elaborados por Couto, (2004) y Matteucci y Silva

(2009).

La definición teórica y las fórmulas de cálculo de las métricas del paisaje se describen en

Mcgarigal (2015), así como en la herramienta de ayuda de la extensión Patch Grid (Rempel,

Kaukinen y Carr., 2012). A continuación, se brinda en detalle las principales métricas del

paisaje empleadas comúnmente en aplicaciones SIG, específicamente con la Extensión Patch

Grid y Lecos de QGIS, que además fueron seleccionadas para este estudio (Cuadro 3):

- 32 -

Cuadro 3. Métricas de paisaje y clase empleadas en el estudio

Tipo Métrica id Software Definición e interpretación M

étri

cas

de

div

ersi

dad

Índice de

Diversidad de

Shannon.

SDI Lecos,

Patch Grid.

Analiza la diversidad paisajística. Entre

más se aleja el valor de 1, la diversidad de

clases va a ser mayor, mostrando el grado

de fragmentación del paisaje.

El índice será igual a cero cuando solo hay

un parche en el paisaje y aumenta a medida

que aumenta el número de tipos de parches

o la distribución proporcional de los tipos

de parches.

Está disponible únicamente a nivel de

paisaje.

Índice de la

uniformidad

de Shannon.

SEI Lecos,

Patch Grid.

Medida de distribución y abundancia de

parches.

Es igual a cero cuando la distribución de

parches observada es baja y se aproxima a

uno cuando la distribución de los tipos de

parches se vuelve más pareja.

Está disponible únicamente a nivel de

paisaje.

Distancia

media al

vecino más

cercano (m).

MNN Lecos

Patch Grid.

Calcula un índice de vecino más cercano

basado en la distancia promedio de cada

característica a su característica vecina

más cercana.

Indica la distancia mínima que se debe

recorrer para encontrar un parche de una

misma categoría.

Mét

rica

de

den

sid

ad

y

tam

añ

o d

e

parc

he

Tamaño

medio del

parche.

MPS Lecos,

Patch Grid.

El área de parche promedio sirve como un

índice de fragmentación.

Un paisaje con un área de parche media

más pequeña para el tipo de parche

- 33 -

Tipo Métrica id Software Definición e interpretación

objetivo que otro paisaje podría

considerarse más fragmentado.

Número de

Parches.

NumP Lecos,

Patch Grid.

Se analiza a nivel de clase y de paisaje.

Desviación

estándar del

tamaño del

parche.

PSSD Patch Grid. Es una medida de variación absoluta.

Es una función del tamaño medio del

parche y la diferencia en el tamaño del

parche entre parches. Su interpretación se

realiza junto con el tamaño medio del

parche.

Mediana del

tamaño de

parche.

MedPS Lecos,

Patch Grid.

El tamaño del parche medio, o percentil

50.

Mét

rica

de

form

a

Índice de

diversidad de

forma.

MSI - SI Patch Grid. Cuando el índice de diversidad es 1, la

forma del fragmento semeja un círculo, y

a medida que éste va en aumento, la forma

se torna más compleja e irregular y

aumenta el efecto de borde de las áreas

circundantes o adyacentes.

El índice de diversidad se agrupa en 5

rangos:

Redondo < 1.25

Oval – redondo 1.25-1.50

Oval – oblongo 1.50-1.75

Rectangular 1.76-2

Amorfo o irregular >2

Índice de

compactación.

K Calculadora

de campos.

Indica el grado de fragilidad o exposición

del fragmento a los efectos de la matriz.

Varía entre cero, para fragmentos con

mayor exposición periférica a la matriz

circundante, y uno para fragmentos

compactos o menos frágiles.

- 34 -

Tipo Métrica id Software Definición e interpretación

Promedio de

Dimensión

Fractal.

MPFD Lecos,

Patch Grid.

Es una medida de la complejidad de la

forma.

La dimensión fractal media se aproxima a

uno para las formas con perímetros

simples y se aproxima a dos cuando las

formas son más complejas.

Fuente: Elaboración propia con datos de Lozano Botache et al., (2011); Mcgarigal, (2015);

Patton, (1975); Pincheira-Ulbrich et al., (2009); Rempel et al., (2012).

Descripción del área de estudio

El CBLAT tiene una extensión de 33,908 ha. Se encuentra dentro de la cuenca del Lago

Arenal (coordenadas geográficas del centroide; -84.87055, 10.48084) y esta a su vez dentro

de la gran cuenca del río San Juan en la Vertiente Atlántica (Figura 5). La cuenca del

Embalse Arenal tiene una extensión de 50,050 ha (Vargas y León, 2012). Se encuentra

conformado por 14 sub cuencas, las cuales poseen gran importancia ecológica. todos los ríos

provenientes de esta cuenca desembocan en el Lago Arenal, el cual posee una extensión de

8,017 ha (23.6 % del área del Corredor Biológico).

- 35 -

Figura 5. Corredor Biológico Lago Arenal Tenorio, Ubicación Geográfica, 2017

- 36 -

El Corredor Biológico se encuentra en los cantones de Tilarán (92.3 %), San Carlos (5.3 %)

y en San Ramón, Guatuso y Abangares en menor representación (2.4 %). Los centros de

población más importantes son los poblados de Nuevo Tronadora, Tierras Morenas, Rio

Piedras, Rio Chiquito, Silencio, Castillo, La Unión, Mata Caña, Arenal, Aguacate, San Luis

y Viejo Arenal (Campos, 2012).

EL CBLAT colinda en el sector Noreste con Parque Nacional (PN) Volcán Tenorio y la Zona

Protectora Tenorio, al Sureste con el PN Volcán Arenal, Zona Protectora Arenal-Monteverde

(Figura 5). Adicionalmente está conectado espacialmente al Noreste con el Corredor

Biológico Ruta Los Malekus-Medio Queso y al Suroeste con el Corredor Biológico Pájaro

Campana.

El clima de la región está dominado por el régimen atlántico (ausencia de período seco largo).

Presenta una precipitación promedio 3569 mm anuales (min: 2100; máx.: 6000 mm), con

temperatura promedio de 23 °C (min.: 10 °C; máx.: 28 °C). Recibe los vientos alisios del

noreste, flujos del sur este, brisas marinas del sur oeste con velocidades entre 15-30 km/h

(Aguilar, 1999).

La elevación máxima es de 1734 metros y la mínima es de 500 msnm. La zona se caracteriza

por poseer un 38 % del área con pendiente de plano a ligeramente ondulado, un 39 % de

moderadamente ondulado a ondulado y por ultimo un 23 % fuertemente ondulado, con mayor

incidencia en el sector sur del CBLAT.

De acuerdo al sistema de clasificación de zonas de vida de L.R. Holdridge (CCT - MAG,

2004), se encuentra constituida principalmente por ocho Zonas de Vida: Bosque Pluvial

Premontano (bp-P), Bosque Pluvial Montano Bajo (bp-MB), Bosque Muy Húmedo Tropical

transición a premontano (bmh-T12), Bosque Muy Húmedo Premontano transición a pluvial

(bmh-T12), Bosque Muy Húmedo Premontano (bmh-P), Bosque Muy Húmedo Montano

Bajo (bmh-MB), Bosque Húmedo Tropical transición a premontano (bh-T12) y Bosque

Húmedo Premontano (bh-T). La mayor parte del área del CBLAT es utilizada para la

producción de ganadería de carne, de leche y doble propósito, y en menor cantidad la

agricultura de carácter anual (frijoles, maíz, hortalizas), semipermanente (yuca, plátano),

permanentes (café, frutales), cultivos de pastos (cultivos densos y porte rastreros) son

presentes (Campos Castillo, 2012).

- 37 -

Según el Mapa de Tipo de Bosques de Costa Rica generado en formato vectorial elaborado

por SINAC - Programa REDD-CCAD-GIZ, (2015), como producto del Inventario Forestal

Nacional, hay un 33.3 % (11,438 ha) de cobertura forestal para el Corredor Biológico. Se

estima que un 24.2 % (8,321 ha) del territorio corresponde a Bosque Maduro, un 9 % (3,096)

a Bosque Secundario y 0.1 % (21 ha) corresponde a plantaciones forestales. Además, un 33.4

% (11,474 ha) corresponde a pastos y un 26.7 % (9,166 ha) corresponden a usos no forestales

(uso agrícola, humedal, agua, suelo desnudo, arena e infraestructura). El 6.5 % (2,235 ha) del

territorio no se logró identificar por los efectos de las nubles.

Antecedentes de la gestión territorial del Corredor Biológico

La Cuenca del Embalse Arenal, también conocida como “el Corazón energético de Costa

Rica” es una de las regiones más estudiadas del país por sus grandes aportes a la producción

energética nacional ( Área de Conservación Arenal - ACA, 1992). En la década de los 90 se

realizaron grandes esfuerzos para orientar la toma de decisiones de las instituciones del

estado y de las instancias privadas para establecer políticas y estrategias de conservación y

desarrollo socio productivo en la zona.

Es así como en el año 1992, se concreta un instrumento técnico científico llamado El Plan

General de uso de la tierra para el ACA, preparado por un grupo multidisciplinario con el fin

de lograr un desarrollo acorde a las características, potencialidades y los recursos naturales

existentes (ACA, 1992). Este documento permitió realizar una caracterización física, natural

y socioeconómico, además, propone el Uso Potencial de la Tierra y lineamientos de manejo,

así como los programas y subprogramas seleccionados para poner en práctica su ejecución.

El plan de manejo fue dividido en cinco tomos que comprende los antecedentes técnicos y

administrativos, diagnósticos sectoriales, propuestas, programas y subprogramas, así como

una memoria cartográfica.

En el área de Influencia del Corredor Biológico, se encuentra la Fundación para el Desarrollo

del Área de Conservación Arenal (FUNDACA) creada el día 6 de diciembre de 1994,

orientada a la gestión integral de recursos para el desarrollo socio ambiental en el espacio

geográfico del ACAT y la zona de influencia. Además, tiene entre sus principales objetivos

- 38 -

la realización de actividades de extensión comunal, incentivando la participación de los

ciudadanos en los programas de conservación y desarrollo sostenible, la promoción de

actividades orientadas a la educación ambiental y la planificación, manejo, protección y la

investigación de los recursos naturales y culturales (FUNDACA, 2014).

En consecuencia, el 21 de octubre de 1997, se creó la comisión de Implementación del Plan

de Manejo y Desarrollo de la Cuenca del Embalse Arenal (Decreto 26395 - MINAE, 1997),

cuya principal función fue la de canalizar los recursos técnicos, financieros y de

infraestructura que se requerían para apoyar efectivamente la implementación del Plan de

Manejo y Desarrollo de la Cuenca del Embalse Arenal. También establece la integración y

organización administrativa interna de la Comisión

Adicionalmente el Consejo Local que conforma formalmente el CBLAT fue juramentado en

el año 2010 (Campos, 2012). El CB busca mejorar la conectividad ecológica entre el PN

Volcán Tenorio y PN Volcán Arenal, la protección y el manejo del ambiente, así como el

mejoramiento de la calidad de vida de las comunidades.

La Cuenca del Embalse es gestionado también por el ICE. El Decreto 5706 (Asamblea

Legislativa, 1975), establece que el ICE procurará en forma directa o coordinada dar

protección a las cuencas de los ríos cuyas aguas desembocan en el Embalse Arenal. Además,

el ICE tiene como propósito conservar y defender los recursos hidráulicos del país,

protegiendo las cuencas, las fuentes y los cauces de los ríos y corrientes de agua (Ley 449 -

Poder Legislativo, 1949).

Sin embargo, considerando la necesidad de involucrar a las diferentes poblaciones bajo un

esquema participativo de manejo de cuencas, en el proceso de conservación y manejo de los

recursos naturales, se modificó los límites del Área de Conservación Arenal para incluir la

parte media y baja de la cuenca hasta la desembocadura del Río Tempisque. Esto generó

como resultado que las funciones iniciales de esta comisión para ejecutar el Plan de Manejo

y Desarrollo de la Cuenca del Embalse Arenal, se proyecte e implemente con fundamento

técnico y administrativo a la Cuenca Arenal-Tempisque, conformando la Comisión de

Implementación y Desarrollo de la Cuenca Arenal Tempisque (CIDECAT), publicado en el

Diario La Gaceta N° 170 del 4 de setiembre del 2012 (Decreto 37187 MINAET, 2012)

derogando el Decreto 26395-MINAE.

- 39 -

LA CIDECAT tiene como objetivos promover la coordinación que determine el desarrollo

de planes, programas y proyectos que respondan al manejo integral de los recursos de la

Cuenca Arenal- Tempisque, logrando un equilibrio entre las necesidades de la población y la

naturaleza. Además de efectuar las gestiones pertinentes para canalizar recursos de

infraestructura, técnicos y financieros, a nivel interno o externo del país, para apoyar de

manera efectiva la ejecución de acciones que promuevan el manejo integral de la Cuenca.

Finalmente, la comisión tendrá que participar en el análisis, propuesta de soluciones y

seguimiento a los diferentes problemas puntuales que se presentan en la Cuenca Arenal –

Tempisque (Decreto 37187, 2012).

La Comisión mencionada anteriormente, está conformada por un representante del MINAE

través de la Dirección del Área de Conservación Arenal –Tempisque (ACAT), Ministerio de

Agricultura y Ganadería, Ministerio de Salud, Instituto Costarricense de Acueductos y

Alcantarillados, Instituto Costarricense de Electricidad, Instituto de Desarrollo Agrario,

Servicio Nacional de Aguas Subterráneas, Riego y Avenamiento, Municipalidad de Cañas,

Municipalidad de Tilarán, Fundación para el Desarrollo del Área de Conservación Arenal-

Tempisque, Diócesis de Tilarán y de la sociedad civil nombrado por el Consejo Regional del

Área de Conservación Arenal Tempisque (Decreto 37187, 2012)

Según Rojas (2014), el CIDECAT ha logrado reforestar más de 120 hectáreas con el apoyo

de diversas instituciones y comunidades aledañas al Embalse, además de los cantones de

Cañas y Tilarán. Adicionalmente ejecutó estudios de vulnerabilidad de acuíferos en la

Cuenca del Embalse Arenal, mediante el apoyo y coordinación con la Escuela de Geología

de la Universidad de Costa Rica, la empresa privada y las instituciones que integran la

Comisión. También implementó 10 biodigestores procesando 30 toneladas de estiércol que

antes eran depositadas en quebradas que drenaban al Embalse Arenal.

Rojas (2014), señala que el CIDECAT enfrenta entre los principales retos la sostenibilidad

financiera, el alcance de la comisión ha sido muy limitado en acciones y geografía, puesto

que no contempla la visión de sistema de la cuenca y además que no existe un

acompañamiento por parte del estado para promover el manejo de ambas cuencas. El mismo

autor señala que el fracaso de los organismos de cuenca se debe principalmente a las

limitaciones técnicas y presupuestarias, acompañado de una débil estructura organizativa,

- 40 -

falta de capacitaciones y empoderamiento, así como la ausencia de un respaldo legal eficiente

que apoye la logística y vinculación de estos organismos.

Según Alfaro (2016) para la legislación ambiental del país, no hay claridad entre entes

rectores y operadores, por lo que muchas de las instituciones nacionales tienen combinadas

sus competencias, lo cual repercute en el diseño de los procesos de planificación estratégica

y, por tanto, en la operación, este hecho repercute en la burocratización de acciones que

llevan a la ingobernabilidad. Adicionalmente, la Ley de Aguas 276 relacionada directamente

con el manejo de cuencas y de las áreas de protección no se ajusta a las necesidades de gestión

del territorio.

Según se describe en el diagnóstico del sector forestal del Plan General de Uso de la Tierra

(Mora, 1992), los proyectos que fueron sometidos a régimen forestal, que se establecieron en

la cuenca y que se estima se ubican dentro del Corredor Biológico, enfrentaron entre las

principales limitaciones la alta precipitación y humedad ambiental, alta nubosidad y por ende

bajo número de horas de brillo solar y ausencia de meses secos. Además, se indica que la

asistencia técnica a los productores fue insuficiente, baja calidad del material genético y con

práctica de manejo incorrecto. Lo anterior generó un desinterés de los propietarios por

reforestar para fines productivos.

El uso de sistemas agroforestales y silvopastoriles en la cuenca y por consiguiente en el

Corredor Biológico, es muy reducido y se limita a sombras de repasto, cercas vivas y rompe

vientos principalmente por la escasez de árboles maderables utilizados tradicionalmente para

postería y que en las zonas de fuertes vientos las cercas vivas son poco utilizadas debido a

que sufren volcamientos frecuentes (Mora, 1992). Es por lo anterior, que el establecimiento

de una propuesta de manejo del CBLAT, debe tomar en cuenta las características del sitio,

las condiciones biofísicas, sociales y económicas de la región.

- 41 -

CAPITULO III. PROCEDIMIENTO METODOLÓGICO

Instrumentos

En el Corredor Biológico se realizó un análisis del cambio de cobertura y de fragmentación

del paisaje, mediante el uso de los siguientes programas:

QGIS. Es una aplicación SIG profesional que se basa en el Software Libre y de Código

Abierto (FOSS). Se usaron los siguientes complementos:

o SCP Plugin versión 5.3.11. Complemento de Clasificación Semi Automática,

creado por Lucas Congedo. https://fromgistors.blogspot.com/p/semi-automatic-

classification-plugin.html

o LecoS - Landscape Ecology Statistics versión 2.0.7. Creado por Martin Jung para

la cuantificación de índices de métricas de paisaje (Jung, 2016). Disponible en:

http://conservationecology.wordpress.com/lecos-land-cover-statistics/

o Además, se implementaron algoritmos de la caja de herramientas ORFEO:

SAGA, GDAL/OGR y órdenes GRASS.

Erdas Imagine versión 2014. Intergraph Corporation (HEXAGON), para las

clasificaciones preliminares.

Google Earth Pro para la visualización rápida y verificación de datos.

ArcGIS 10.3 for Desktop. Environmental Systems Research Institute (Esri). 2016.

o Extensión Pach Grid. (Rempel et al., 2012). Disponible en:

http://cnfer.on.ca/SEP/patchanalyst/

Procedimientos

La representación esquemática de la metodología empleada para la consecución de los

resultados en este estudio se brinda en el esquema a continuación (Figura 6).

- 42 -

Figura 6. Esquema metodológico

Fuente: elaboración propia con datos de Rajendaran y Mani (2015).

Sistema de clasificación

El sistema de clasificación definido para el análisis de la cobertura de la tierra del Corredor

Biológico contempla un total de siete categorías (macroclases), que posteriormente se

reclasificaron en tipos de cobertura (forestal y no forestal), de utilidad para la creación del

mapa de cobertura (Cuadro 4). Para facilitar la identificación individual de las áreas de

entrenamiento en la interfaz de la aplicación, se codificaron usando valores que se especifican

en la columna Clase_ID.

- 43 -

Cuadro 4. Leyenda temática para las categorías de uso de la tierra

Macroclase_ID

(MC_ID)

Clase_ID

(C_ID)

Nombre de categoría

(MC_Info)

Tipo de cobertura

1 100-199 Bosque Maduro Forestal

2 200-299 Bosque Secundario

3 300-399 Pasto - Charral No Forestal

4 400-499 Urbano

5 500-599 Cuerpos de Agua

6 600-699 Nubes No Clasificado

7 700-799 Sombras

Fuente: elaboración propia.

En la interpretación de las unidades de cobertura y uso de la tierra, se usó como referencia el

Manual para la interpretación de imágenes de sensores remotos de las principales coberturas

y usos de la tierra de Costa Rica (Ministerio de Agricultura y Ganadería (MAG), 2013) con

los criterios ajustados a las categorías del área de estudio (Cuadro 5).

- 44 -

Cuadro 5. Descripción pictórico-morfológico de las categorías de uso de la tierra

Categoría Descripción Imagen de referencia

Bosque

Maduro

En la composición RGB 4-5-3 el tono

es café oscuro (1), con apreciación de

drenajes naturales en zonas de

pendientes.

Bosque

Secundario

Presenta un patrón irregular, con la

presencia intercalada de claros y otros

elementos que denotan la presencia del

hombre. Presenta una textura moderada

con claros. En la composición RGB 4-

3-2 es color rojo claro (2a). En esta

categoría se incluyen los bosques

riparios asociados a los cursos de agua

(2b).

Pasto - Charral De forma irregular asociado a los

espacios naturales como bosque de

galería, Bosque Maduro y Bosque

Secundario. En la composición RGB 4-

5-3 los colores varían del verde claro al

anaranjado claro, así como colores

cafés (3).

2a

2b

3

- 45 -

Categoría Descripción Imagen de referencia

Urbano Pequeños cuadros en diferentes tonos

celestes para la composición RGB 4-5-

3 (4).

Cuerpos de

Agua

De textura fina, con variaciones de

color de azul cuando el agua tiene

muchas partículas en suspensión a

negro cuando el agua es clara, para la

composición RGB 4-5-3 (5).

Nubes Se representan en la mayoría de la

combinación de bandas, especialmente

en la composición RGB 3-2-1 y son

muy fácil de identificar por su color

blanco (6).

Sombras Se identifica fácilmente en la

composición RGB 3-5-4, generalmente

contiguo a las Nubes que le dan origen

(7).

Fuente: elaboración propia con datos del MAG (2013).

7

5

4

6

- 46 -

Selección de imágenes

Se utilizaron imágenes del programa Landsat obtenidas del portal de internet del Servicio

Geológico de los Estados Unidos (United States Geological Survey - USGS). En el caso de

las imágenes del año 2000, a pesar de que la escena 1653 del 29 de enero de 2001 (Landsat

7 - sensor ETM) cubrió toda el área de estudio (Figura 7), fue necesario complementar con

la escena 1553 del 14 de enero del 2001 (Landsat 5 - sensor TM) para compensar las áreas

de Nubes y sombras. Para fines de este documento se referirá únicamente al año 2000.

Por otro lado, se usó imágenes de la misión Landsat 8 (escena 16053 - sensor OLI) del 18 de

febrero de 2017 para el uso de la tierra del año 2017. Se seleccionó este período debido al

interés del Consejo Local de CBLAT de establecer una base comparable con otros estudios

a nivel nacional realizados en el año 2000, además de establecer una línea base del estado

actual de la cobertura forestal para la toma de decisiones.

Figura 7. Representación gráfica de las escenas Landsat

Fuente: Elaboración propia con datos de USGS.

Corrección de las imágenes

Se realizó la calibración radiométrica en las imágenes de ambos períodos (2000 y 2017)

utilizando las escenas completas, para convertir los valores digitales a reflectancia en la

- 47 -

superficie de la atmósfera o reflectancia sobre la atmósfera (TOA, top of atmosphere). El

procedimiento se realizó para cada una de las bandas debido a que los parámetros de

calibración son diferentes, excluyendo el Infrarrojo Térmico (banda seis en LanSat 5 y

Landsat 7, bandas 10 y 11 en Lansat 8), por ser un poco sensibles para mostrar contrastes

entre las cubiertas que forman la escena (Chuvieco, 1995). Este proceso se realizó con el

complemento de Clasificación Semiautomática de QGIS, en donde se indicó la ubicación del

directorio de los archivos de las bandas Landsat.

La corrección atmosférica se realizó mediante el método de Substracción de Objetos Oscuros

(DOS1, por sus siglas en inglés) propuesto por Chavez (2006), incluido entre los parámetros

de corrección de la herramienta SCP. Los valores de los parámetros del tipo de sensor, fecha

de adquisición de la imagen, elevación del sol (grados) y distancia tierra sol, se obtuvieron

del archivo “header” de la imagen en formato MTL. Además, se obtuvo los factores de

corrección de los detectores del Thematic Mapper, necesarios para la obtención de la

irradianza exo-atmosférica (radianza espectral máxima (LMAX) y mínima (LMIN)).

Seguidamente, se realizó el recorte de los archivos de imagen de cada banda, usando los

límites definidos por el Corredor Biológico, donde se consideró un área buffer de 500 metros

para asegurar continuidad espacial, especialmente en la aplicación de filtros de

generalización que se detallan más adelante.

Creación de archivo multiespectral

Se generó un archivo de juego de bandas mediante el complemento SCP de QGIS, para las

bandas del espectro visible, infrarrojo cercano (NIR) e infrarrojo medio (SWIR2). Se

estableció la unidad de longitud de onda (µm – 6m) y el centro de longitud de onda para cada

banda del sensor según los parámetros de configuración almacenados en la aplicación, los

cuales se verificaron con los puntos medios establecidos en la descripción de los productos.

- 48 -

Clasificación de imágenes y Regiones de Interés

Se realizó una clasificación no supervisada preliminar mediante el uso del sofware ERDAS

Imagine 2014 para el año 2000 y 2017. Debido a que se obtuvo una alta confusión de firmas

de las áreas urbanas con otras clases temáticas, se optó por realizar un levantamiento manual

mediante fotointerpretación, que permitió elaborar una capa máscara para excluir estas áreas

manualmente. La máscara de áreas urbanas se usó en ambos períodos, debido a que los

cambios fueron pocos significativos en el área de estudio. Este proceso se realizó con la

herramienta de Extracción usando los geoalgoritmos GDAL/OGR del software QGIS.

En seguida se procedió con la clasificación supervisada de las imágenes del año 2000 y 2017.

Primeramente, se establecieron las capas de entrada de datos que comprendió el juego de

bandas (archivo multiespectral) y un archivo de áreas de entrenamiento para cada imagen,

donde se almacenó los valores de las firmas espectrales.

Seguidamente, se establecieron en la imagen campos de entrenamiento representativos de

cada categoría de cobertura y uso de la tierra. Para definir el tamaño mínimo de la muestra,

se utilizó el criterio general, donde el campo de entrenamiento o la región de interés (ROI)

debe ser mayor al resultado del número de bandas + 1, lo que permite asegurar

representatividad estadística de la misma. Los campos de entrenamiento se digitalizaron

apoyándose en imágenes históricas, composiciones en falso color de las escenas y aplicación

de realces, que permitieron identificar las diferentes clases temáticas.

Análisis de separabilidad

Se realizó una evaluación estadística de la separabilidad espectral de las clases. Se verificó

la superposición de clases, tomando en cuenta la desviación estándar y el rango mínimo y

máximo. Para ello se realizó un diagrama de signaturas donde se ubicaron en las abscisas las

bandas que se incluyeron en el análisis, y en las ordenadas los ND medios de cada categoría.

- 49 -

Agrupación espectral

Se aplicó la función de máxima probabilidad por ser el más empleado en teledetección

(Chuvieco, 1996), en la que cada píxel es asignado a la clase de mayor probabilidad de

pertenencia, basado en la información espectral de la imagen. Para evaluar la separabilidad

espectral, se utilizaron los siguientes criterios:

Separabilidad > 1.9: buena separación entre las clases.

1 > separabilidad > 1.9 : se requiere revisión de muestras para reubicación o

eliminación de ROIs.

Separabilidad < 1: se requiere unir clases (merge ROIs).

Validación de resultados

Diseño y tamaño de la muestra

Se procedió con la creación de una maya de puntos aleatorios sobre el área del Corredor

Biológico. Se usó la herramienta de creación de puntos aleatorios dentro de polígonos

disponible en el programa QGIS, para garantizar muestras representativas en cada clase de

cobertura. Adicionalmente se estableció una distancia de al menos 1 km entre puntos basado

en el criterio de Cabrera et al. (2011).

Para seleccionar el tamaño de la muestra se aplicó la siguiente fórmula:

n =(z2 p q) • (E2)-1

Donde:

z = es la abscisa de la curva normal para un nivel determinado de probabilidad (1.96).

p = porcentaje de aciertos estimados (85 %).

q = porcentaje de errores estimados (q = 1-p) (15 %).

e= nivel permitido de error.

Se definió un porcentaje de aciertos estimados del 80 % y un nivel de error del 5 %.

Se contó con la participación independiente de un especialista en SIG del SINAC en conjunto

con el Consejo Local del Corredor Biológico quienes fueron designados como “Validadores

- 50 -

de la clasificación de imágenes”. La clasificación en pantalla del uso de la tierra para el año

2000 se apoyó usando las Ortofotos 2005 del Programa de Regularización del Catastro y

Registro (PRCR). El uso de la tierra del año 2017, se apoyó usando combinaciones de bandas

de las imágenes del sensor Sentinel 2 (L1C_T16PGS_A008245_20170119T162005), así

como imágenes históricas de la plataforma Google Earth Pro. Se usó el complemento

GearthView para sincronizar Google Earth con QGIS, lo que facilitó la edición de las capas.

La maya de puntos Test, se usó para obtener valores de firmas espectrales usando el

Algoritmo de Región Incremental, con valores de distancia espectral entre los píxeles de

origen y los pixeles del alrededor de 0. 01 µm y los polígonos de ancho máximo de 100

pixeles centrado en el pixel de origen. En el caso de las clases representadas por Nubes y

sombras, se establecieron unidades de muestreo adicionales por su baja representación en la

imagen.

Matriz de confusión

Posterior a la fase de muestreo y con la lista de puntos test se formó una matriz que presentó

los conflictos que se presentaron entre la cobertura real y la deducida de la clasificación. En

la matriz las filas fueron ocupadas por las clases de referencia y en las columnas por las

categorías deducidas de la clasificación. El análisis se realizó según los siguientes criterios

de interpretación (Chuvieco, 1995):

Diagonal = expresa el número de puntos de verificación en donde se generó acuerdo

entre las dos fuentes (mapa y realidad).

Marginales = supone errores de asignación.

Residuales en filas = indican tipos de cubierta real que no se incluyeron en el mapa

(Errores de Omisión).

Residuales en columna = implican cubiertas del mapa que no se ajustaron a la realidad

(Errores de Comisión).

- 51 -

Fiabilidad global

La fiabilidad global del mapa se calculó a partir de la matriz de confusión, relacionando los

elementos de la diagonal o pixeles clasificados correctamente, con el total de puntos

muestreados o lugares de referencia (Chuvieco, 1995), según la siguiente fórmula:

Fm = ∑Xi • (∑Xij)-1 100

Donde:

Fm es el porcentaje de exactitud o fiabilidad global

∑Xi, es la suma de píxeles asignados correctamente

∑Xij es la suma de puntos muestreados para la elaboración de la matriz

Errores de omisión y comisión

Los errores de omisión se estimaron usando las celdillas marginales de las filas, indicando el

porcentaje de pixeles que perteneciendo a una determinada categoría no fueron incluidos en

ella.

mediante la siguiente formula:

Eo,i = (Xi – Xij) • XJ-1

En donde:

Xi = indica el marginal de la fila i

Xij = indica la diagonal de dicha fila

Los errores de comisión se calcularon usando las celdillas no diagonales de las columnas,

representando los pixeles que se incluyeron en una determinada categoría perteneciendo

realmente a otra mediante la siguiente formula:

Eci = (Xi – Xij) • XJ-1

- 52 -

En donde:

Xi = indica el marginal de la columna i

Xij = indica la diagonal de dicha columna

Exactitud del usuario y del productor

La precisión del productor se calculó dividiendo el número de píxeles correctamente

clasificados en cada categoría por el número total de píxeles que fueron clasificados en dicha

categoría:

Pp = Xii • X∑i-1

Donde:

P=Precisión del productor.

Xii= Pixel correctamente clasificado en cada categoría

X∑i = Número de pixeles de referencia utilizados para la categoría

La precisión del usuario se calculó de dividir el número de pixeles correctamente clasificados

en cada categoría por el número de píxeles de referencia utilizados para dicha categoría

Pu = Xii • Xi∑-1

Donde:

P=Precisión del productor.

Xii= Pixel correctamente clasificado en cada categoría

Xi∑ = Número de pixeles de referencia utilizados para la categoría

Índice de kappa (k)

Según (Chuvieco , 1996) este índice mide la diferencia entre el acuerdo mapa – realidad

observado y el que debería esperar simplemente por azar. Además, intenta delimitar el grado

- 53 -

de ajuste debido solo a la exactitud de la clasificación, prescindiendo solo del causado por

factores aleatorios.

Un valor de k igual a 1 indica un acuerdo pleno entre la realidad y el mapa, mientras un valor

cercano a 0 sugiere que el acuerdo observado es puramente debido al azar (Chuvieco , 1996).

Se consideran tres clases de resultados: un valor k menor que 0.4 representa una concordancia

pobre; un valor entre 0.4 y 0.8, una concordancia moderada y un valor mayor de 0.8, una

fuerte concordancia (Morales-Hernández y Carrillo-González, 2016).

La estimación de K se obtiene a partir de la siguiente fórmula:

K = (N∑i=1,n Xii - ∑i=i,n Xi+Xi+) / (N2 - ∑i=i,n Xi+Xi+)

Donde:

N es igual al total de datos muestreados

Xii indica el acuerdo observado (diagonal de la matriz)

Xi+Xi+ indica el acuerdo esperado en cada categoría i.

Suavización de los resultados

Se realizó una generalización de la clasificación mediante la aplicación de filtros, de manera

que las clases dominantes absorbieron estas unidades, usando las herramientas de

postproceso del complemento SCP. Se estableció un área mínima de mapeo de 1 ha. Se

definió como datos de entrada el tamaño del umbral en unidades de pixeles (12px) y la

conexión de píxeles (4), este último representa una ventana en donde los píxeles diagonales

no son considerados conectados.

- 54 -

Edición visual y afinamiento de la clasificación

Para realizar un afinamiento en la consistencia de las unidades temáticas, se exportó la

clasificación en formato Shapefile (formato nativo de ArcGIS) usando la herramienta de

Clasificación a vectorial del complemento SCP de QGIS.

Se aplicó un enmascaramiento de Nubes y sombras en la clasificación del año 2000, para

reducir el porcentaje de áreas sin clasificar. Se usó la capa de clasificación de la imagen

Landsat 7 como imagen base. Para esto, se realizó una conversión de formato raster a

vectorial y se generó dos capas vectoriales correspondientes a la clasificación de la imagen

de referencia; por un lado, se generó una capa con las clases 1, 2, 3 y 5 correspondiente a las

clasificaciones que permaneció en la imagen, por otro, se generó una capa con las clases 6 y

7 que permitieron extraer las áreas clasificadas de la imagen landsat 5. Para generar la capa

de clasificación del uso de la tierra del año 2000, se convirtieron las capas anteriores a

formato raster y se realizó una combinación de capas mediante la herramienta “Miscelánea”

del algoritmo GDAL. El archivo resultante se convirtió nuevamente en formato vectorial. La

capa de la clasificación del año 2017 no requirió del proceso de enmascaramiento de Nubes.

Se procedió a la unión de la capa del proceso anterior, con la capa respectiva de áreas urbanas

(MC_ID = 4), tanto para el año 2000 y 2017. El Uso Urbano se generó mediante

levantamiento visual en las Ortofotos 2005 del Programa de Regularización del Catastro y

Registro (PRCR), imágenes de Google Earth e imágenes satelitales RapidEye 2012. En este

proceso también se afinó la clase 5 (Cuerpos de Agua), por ser muy similar en ambos

periodos. Adicionalmente se realizó un afinamiento manual en las clases de Nubes y

Sombras.

El producto resultante, se convirtió en formato raster (TIFF) y se recortó utilizando la capa

del Corredor Biológico como capa de borde. Finalmente, se le aplicó un filtro para excluir

aquellas áreas menores a 1 ha (12 px), generando las capas de uso de la tierra del año 2000 y

2017.

- 55 -

Detección de cambios

El análisis de cambio del uso de la tierra se realizó comparando la clasificación de las

imágenes de las dos fechas, utilizando como herramienta la matriz de transición generada

mediante el reporte de la herramienta Cambio de Cobertura del Suelo del complemento SCP.

Se realizó una tabla que contiene en las filas las clases del primer año (2000) y en las

columnas las clases del segundo año (2017). Los datos de la diagonal principal de la tabla

correspondieron a las áreas que permanecieron en la misma clase en las dos fechas (intactas),

mientras que aquellos fuera de la diagonal, correspondieron a las áreas que presentaron

transición de una clase a otra entre el año 2000 y 2017, siendo las pérdidas representadas por

filas y las ganancias por columnas (Cuadro 6).

Para el cálculo de cambio de uso de la tierra se excluyeron las áreas cubiertas por Nubes y

Sombras de ambos períodos y que no lograron clasificarse. Este proceso se realizó mediante

una máscara que se generó a partir de la herramienta de selección, excluyendo aquellos

objetos espaciales identificados en la columna de código de cambio “ChangeCode” que

contenían las clases de Nubes y Sombras en las clase de referencia (2000) y la nueva clase

(2017).

Cuadro 6. Matriz de cambio para la comparación de mapas de diferentes tiempos, con pérdidas y

ganancias

Tiempo 2 Total

Tiempo

1

Pérdidas

Tiempo1 Categoría 1 Categoría 2 Categoría 3 Categoría 4

Categoría 1 P11 P12 P13 P14 P1+ P1+ - P11

Categoría 2 P21 P22 P23 P24 P2+ P2+ - P22

Categoría 3 P31 P32 P33 P34 P3+ P3 + - P33

Categoría 4 P41 P42 P43 P44 P4+ P4 + - P44

Total Tiempo 2 P+1 P+2 P+3 P+4 1

Ganancias (ha) P+1 - P11 P+2 - P22 P+3 - P33 P+4 - P44

Fuente: Pontius, Shusas y McEachern, (2004).

A partir de la matriz anterior (Cuadro 6), se aplicó una metodología desarrollada por

(Pontius et al., 2004), que permite analizar los cambios que ocurren fuera de la diagonal, la

- 56 -

cual considera las ganancias y pérdidas por separado. Se realizaron los siguientes cálculos

(Cuadro 7):

Cuadro 7. Ecuaciones para determinar cambios entre categorías considerando las pérdidas y

ganancias

Indicador Expresión matemática Descripción

Ganancia

(Gij)

GiJ = P+j - Pjj Es la diferencia entre la columna del

total del tiempo 2 (P+j) y la

persistencia (Pjj)

Pérdida (Lij) Lij = Pj+ - Pjj Es la diferencia entre la fila del total

del tiempo 1 (Pj+) y la persistencia

(Pjj).

Cambio neto

(Dj) Dj= | P+j – Pj+ | Se define como el valor absoluto de la

diferencia de las pérdidas y las

ganancias de cada categoría.

Intercambio

entre

categorías (Sj)

Sj = 2 • MIN (Pj+ - Pjj, P+j - Pjj)

Se calcula como dos veces el valor

mínimo de las ganancias y las

pérdidas

Cambio total

para cada

categoría (Cj)

Cj = (Dj + Sj)

Se establece como la suma del cambio

neto (Dj) y el intercambio (Sj)

Tasa de

deforestación

Td =[(S2/S1)(1/n) - 1] • 100 Td, es igual a la tasa de deforestación

anual en tanto por ciento

S2, es igual al área arbolada en el año

final

S1, es igual al área arbolada en el año

inicial

n, igual al número de años del periodo

de análisis.

Fuente: Elaborado con datos de Pineda, Bosque, Gómez y Plata, (2009); Pontius et al., (2004).

- 57 -

Cálculo de métricas de paisaje para el estado de fragmentación

Para realizar el análisis de fragmentación y conocer el estado del paisaje se usó la clase de

Bosque Maduro (MC_id =1), Bosque Secundario (MC_id = 2) y No Forestal (MC_id = 3, 4,

5, 6 y 7). La unidad mínima de mapeo fue de 1 ha (12 píxeles). Para recodificar las clases se

empleó el complemento SCP de QGIS. El análisis se realizó en formato vectorial y se utilizó

el complemento LecoS - Landscape Ecology Statistics del repositorio del Software QGIS y

la extensión Patch Grid para Arc Gis.

- 58 -

CAPÍTULO IV. RESULTADOS Y DISCUSION

A partir de la corrección radiométrica y atmosférica de las imágenes Landsat se obtuvo los

valores de las firmas espectrales. Se obtuvo una separabilidad confiable tanto para la escena

1653 (Gráfico 1, Anexo 1) y 1553 (Gráfico 2, Anexo 2) correspondientes al año 2000, como

en la escena 1653 correspondiente al año 2017 (Gráfico 3, Anexo 3). No obstante, es

importante considerar las estadísticas de entrenamiento que presenta la comparación entre

firmas espectrales de Bosque Maduro y Bosque Secundario para el año 2000 son

relativamente bajos, aplicando el algoritmo Jeffries-Matusita distance, con valores de 1.306

y 1.089 para las escenas 1653 y 1553 respectivamente (Anexo 4). No fue posible obtener una

mayor separabilidad entre la clase Bosque Maduro y Bosque Secundario, posiblemente

debido a la dificultad de discriminación de estas coberturas en la imagen. Es importante

resaltar que el Uso Urbano no fue considerado en la clasificación en ambos períodos, por lo

que fue necesario incorporar los polígonos posteriormente, mediante edición manual.

Gráfico 1. Valores de firmas espectrales para la imagen del año 2000 (Escena 1653 – Landsat 7)

0.00

0.10

0.20

0.30

0.40

0.50

0.60

0.70

0.485 0.56 0.66 0.835 1.65 2.22

Val

ore

s

Wavelength [μm (1 E - 6m)]

Bosque maduro

Bosque secundario

Pasto-Charral

Agua

Nubes

Sombras de nubes

- 59 -

Gráfico 2. Valores de firmas espectrales para la imagen del año 2000 (Escena 1553 - Landsat 5)

Gráfico 3. Valores de firmas espectrales para la imagen del año 2017 (Escena 1553 – Landsat 8)

A partir de la maya de puntos aleatorios (Anexo 5, Anexo 6 y Anexo 7), se obtuvo la matriz de

confusión correspondiente a la clasificación de los períodos de evaluación para su validación.

La precisión global de las escenas 1653 y 1553 fue de 99.73 y de 99.34 respectivamente para

las imágenes del año 2000 (Cuadro 8 y 9). Se obtuvieron errores de omisión relativamente

bajos, lo que indica una alta probabilidad de que la superficie ocupada por estas clases de

cobertura está realmente incluida en el mapa, excepto para la clase de Bosque Secundario de

la imagen Landsat 5 con un error del 18.4 %. Esta última imagen se usó únicamente para

enmascarar el área de Nubes y sombras de la imagen Landsat 7. Además, en la imagen

Landsat 5 se obtiene errores de comisión cercanos al 20 % en la Clase 1 (Bosque Maduro),

0.0

0.1

0.1

0.2

0.2

0.3

0.3

0.4

0.4

0.5

0.49 0.56 0.66 0.83 1.65 2.22

Val

ore

s

Wavelength [μm (1 E - 6m)]

Bosque maduro

Bosque secundario

Pasto-Charral

Agua

Nubes

Sombras de nubes

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.48 0.56 0.655 0.865 1.61 2.2

Val

ore

s

Wavelength [μm (1 E - 6m)]

Bosque maduro

Bosque secundario

Pasto-Charral

Agua

Nubes

Sombras de nubes

- 60 -

lo que representa el porcentaje de riesgo del usuario en el uso de la información de estas

zonas enmascaradas.

Cuadro 8. Matriz de confusión de la clasificación del uso de la tierra para el año 2000 (escena

1653-Lansat 7)

Clases Clasificación Total Ex.P.

(%)

E.O.

(%)

Coeficiente

Kappa 1 2 3 5 6 7

Ref

eren

cia

1 342 3 0 0 0 4 349 98.0 2.0 0.90

2 30 358 4 0 0 0 392 91.3 8.7 0.89

3 6 25 616 0 0 0 647 95.2 4.8 0.95

5 0 0 0 39,074 0 0 39,074 100.0 0.0 1.00

6 0 0 28 0 3,969 0 3,997 99.3 0.7 1.00

7 4 17 0 0 2 302 325 92.9 7.1 0.99

Total 382 403 648 39,074 3,971 306 44,784 99.73 0.99

Ex.U. (%) 89.5 88.8 95.1 100.0 99.9 98.7

E.C. (%) 10.5 11.2 4.9 0.0 0.1 1.3

Nota: Ex. P: exactitud del productor; Ex. U: exactitud del usuario; E.O: errores de omisión y E.C:

errores de comisión

Cuadro 9. Matriz de confusión de la clasificación del uso de la tierra para el año 2000 (escena 1553

- Landsat 5)

Clases Clasificación Total Ex.P.

(%)

E.O.

(%)

Coeficiente

Kappa 1 2 3 5 6 7

Ref

eren

cia

1 381 12 0 0 0 5 398 95.7 4.3 0.8

2 88 892 111 0 2 0 1,093 81.6 18.4 0.97

3 5 16 781 0 31 0 833 93.8 6.2 0.87

5 0 0 0 38,554 0 0 38,554 100 0.0 1.00

6 0 0 0 0 148 0 148 100 0.0 0.82

7 1 0 0 0 0 42 43 97.7 2.3 0.89

Total 475 920 892 38,554 181 47 41,069 99.34 0.94

Ex.U. (%) 80.2 97.0 87.6 100.0 81.8 89.4

E.C. (%) 19.8 3.0 12.4 0.0 18.2 10.6

Nota: Ex. P: exactitud del productor; Ex. U: exactitud del usuario; E.O: errores de omisión y E.C.

errores de comisión.

- 61 -

La precisión para el año 2017 fue de 99.21 % (Cuadro 10). En las clases de cobertura forestal

(Clase 1 y 2) la exactitud del productor supera el 95 %, por lo que las superficies fueron

discriminadas adecuadamente en la clasificación. En lo que respecta a la exactitud del usuario

para el Bosque Secundario, nueve de cada 10 de las zonas clasificadas como Bosque

Secundario realmente lo es, cumpliendo con un porcentaje de acierto aceptable.

En lo concerniente al índice de Kappa se obtuvieron valores de 0.99 y 0.94 para la

clasificación del año 2000 (Cuadro 8 y 9) y 0.93 para la clasificación del año 2017 (Cuadro

10), por lo que las clasificaciones realizadas se aproximan a 1, lo que indica una fuerte

concordancia entre la realidad y el mapa.

Cuadro 10. Matriz de confusión de la clasificación del uso de la tierra para el año 2017

Clases Clasificación Total Ex.P.

(%)

E.O.

(%)

Coeficiente

Kappa 1 2 3 5 6 7

Ref

eren

cia

1 578 17 1 0 3 3 602 96.0 4.0 0.97

2 9 368 4 0 1 2 384 95.8 4.2 0.9

3 1 11 522 0 0 0 534 97.8 2.3 0.99

5 0 10 0 60,551 270 168 60,999 99.3 0.7 1

6 0 0 1 0 1,309 0 1,310 99.9 0.1 0.82

7 5 4 0 0 0 786 795 98.9 1.1 0.82

Total 593 410 528 60,551 1,583 959 64,624 99.21 0.93

Ex.U. (%) 97.5 89.8 98.9 100.0 82.7 82.0

E.C. (%) 2.5 10.2 1.1 0.0 17.3 18.0

Nota: Ex. P. exactitud del productor; Ex. U. exactitud del usuario; E.O. errores de omisión y E.C.

errores de comisión.

Uso de la tierra y detección de cambios

La detección de cambios, para efecto de análisis se realizó excluyendo la Clase 6 y 7 (Nubes

y Sombras), correspondientes a las áreas sin clasificar de ambos períodos, para un área total

efectiva de 30,105.18 ha (88.76 %). Estas áreas fueron excluidas debido que no fue posible

clasificar el 100 % de la superficie del Corredor Biológico. Los porcentajes de área sin

clasificar correspondieron a 5.68 % (1,926 ha) y 8.26 % (2,800 ha) para los años 2000 y 2017

respectivamente.

- 62 -

En el año 2000, el área de cobertura forestal (Bosque Maduro y Bosque Secundario) ocupó

un 40.21 % (12,107 ha) de la superficie clasificada del Corredor Biológico (Cuadro 11), los

Pastos Y Charrales un 29.49 % (8,879 ha), el Uso Urbano un 1.73 % (520 ha), mientras que

los Cuerpos de Agua ocuparon un 28.56 % (8,599 ha) Para el año 2017 la cobertura forestal

ocupó un 38.18 % (11,796 ha), los Pastos y Charrales 30.24 % (9,105 ha), el Uso Urbano

1.76 % (531 ha) y los Cuerpos de Agua un 28.81 % (8,673 ha).

Cuadro 11. Inventario del uso de la tierra mediante clasificación de Imágenes Landsat del Corredor

Biológico Lago Arenal Tenorio

Clase

Nombre de la

Clase

Cobertura 2000 Cobertura 2017

∑ Pixeles Área (ha) % ∑ Pixeles Área (ha) %

1 Bosque Maduro 45,229 4,071 13.52 55,644 5,008 16.63

2 Bosque Secundario 89,289 8,036 26.69 75,421 6,788 22.55

3 Pasto Charral 98,659 8,879 29.49 101,166 9,105 30.24

4 Urbano 5,782 520 1.73 5,900 531 1.76

5 Cuerpos de Agua 95,543 8,599 28.56 96,371 8,673 28.81

Al comparar porcentualmente los resultados obtenidos por Morera y Sandoval, (2016) para

el año 2000 donde se evaluó la cobertura boscosa a nivel de Áreas de Conservación usando

imágenes Landsat, se obtiene que a nivel de Corredor Biológico (excluyendo las áreas de

Nubes), los resultados son similares, puesto que obtienen un 43.78 % de cobertura forestal,

de los cuales un 13.4 % correspondió a Bosque de Alta Densidad (Bosque Maduro) y un 30.5

% a Bosque de Baja Densidad (Bosque Secundario). Adicionalmente un 31.5 % de la

cobertura se clasificó como áreas de pastos, y un 24.96 % de Cuerpos de Agua (Figura 8).

- 63 -

Figura 8. Uso de la tierra del Corredor Biológico Lago Arenal Tenorio para el año 2000 según

fuentes de información

Fuente: elaboración propia con datos de Calvo (2009); Morera y Sandoval (2016).

Sin embargo, el Mapa de Cobertura del año 2000 para Costa Rica elaborado por el

Laboratorio de Sistemas de Observación Terrestre (EOSL) del Departamento de Ciencias de

la Tierra y la Atmósfera de la Universidad de Alberta estableció un 33.90 % de cobertura

boscosa para el Corredor Biológico (Calvo, 2009), mientras que un 41.52 % se clasificó como

Agropecuario (Pastos -Charral y cultivos), con una precisión global de 92 % (Figura 8).

Estas diferencias entre las clasificaciones podrían estar relacionadas con el algoritmo de

clasificación empleado, el nivel de precisión y el número de áreas de entrenamiento

establecidas dentro del Corredor Biológico.

Por otra parte, al contrastar el uso de la tierra del año 2000 (Figura 9) con respecto al año

2017 (Figura 10), se obtiene que un 81.76 % del uso de la tierra clasificado se ha mantenido

intacta o persistente, mientras que el restante 18.23 % ha sufrido de algún cambio (ganancia

o pérdida) en 17 años, lo que representa en términos absolutos un total de 5,488 ha (Figura

11). Las zonas con mayores cambios entre clases, se observan al costado este de los poblados

de La Unión y El Castillo, posiblemente por mayor influencia de efectos antropogénicos.

0.0%

10.0%

20.0%

30.0%

40.0%

50.0%

60.0%

Forestal No Forestal Cuerpos de Agua

Uso

de

la T

ierr

a

Clasificación Beita y Sandoval (2000) Centro Científico Tropical (CCT)

- 64 -

Figura 9. Corredor Biológico Lago Arenal Tenorio, uso de la tierra, 2000

- 65 -

Figura 10. Corredor Biológico Lago Arenal Tenorio, uso de la tierra, 2017

- 66 -

Figura 11. Corredor Biológico Lago Arenal Tenorio, distribución espacial de las zonas de cambio y zonas estables del conjunto

de clases de uso de la tierra, 2000- 2017

- 67 -

La matriz de confusión del año de referencia (año 2000) con respecto al año de comparación

(año 2017), muestra que, en términos de pérdidas para la clase de Bosque Secundario, donde

fue más significativo los cambios, un 5.54 % (1,667.3 ha) pasó a ser pastos en el 2017

(Cuadro 12), mientras que se logró recuperar 4.92 % (1,482.6 ha) de Pastos que pasaron a

ser Bosque Secundario en otros sectores del Corredor Biológico. En total se obtuvo una

pérdida de 10.22 % (3,076.83 ha), sin embargo, un 4.38 % de este porcentaje se puede

considerar como una ganancia a nivel de cobertura, puesto pasó a la clase de Bosque Maduro.

Cuadro 12. Matriz cruzada de cambio de uso de la tierra, para el año 2000 y 2017

Uso 2017

Bo

squ

e -

ma

du

ro

Bo

squ

e -

secu

nd

ari

o

Pa

sto

-

Ch

arr

al

Urb

an

o

Cu

erp

os

de

Ag

ua

Total

(ha)

Pérdidas

(ha)

Uso

20

00

Bosque Maduro 3,440.5 319.5 306.4 1.1 3.2 4,070.6 630.1

Bosque Secundario 1,317.2 4,959.2 1,667.3 7.9 84.4 8,036.0 3,076.8

Pasto Charral 249.0 1,482.6 7,128.5 7.8 11.3 8,879.3 1,750.8

Urbano 0.9 4.4 0.9 514.2 0.0 520.4 6.2

Cuerpos de Agua 0.3 22.2 1.9 0.0 8,574.5 8,598.9 24.4

Total (ha) 5,008.0 6,787.9 9,104.9 531.0 8,673.4 30,105.2

Ganancias (ha) 1,567.4 1,828.7 1,976.4 16.8 98.9

La tasa de cambio de la cobertura boscosa presentó una tendencia negativa de -0.15 %, es

decir que por cada año transcurrido se pierden 45.16 ha de bosques del Corredor Biológico.

En este sentido, Calvo (2009) indicó que la tasa de cambio del CBLAT es de -1.8 en el

período 2000 – 2005, siendo un valor bastante alto.

A pesar de que se presentó una reducción de la cobertura forestal, la mayor parte del cambio

neto (se presentó en el Bosque Secundario (1,248.12 ha), mientras que se logró recuperar

937.35 ha de bosque que lograron alcanzar características espectrales similares al Bosque

Maduro (Cuadro 13). Este resultado concuerda con lo establecido por Calvo (2009), en el

período 2000 – 2005, señalando que el CBLAT mostró procesos de deforestación y de

recuperación de la cobertura forestal en forma simultánea.

- 68 -

Cuadro 13. Área y porcentaje de pérdidas, ganancias, cambio neto, intercambio y cambio total para

los diferentes Usos de la Tierra, CBLAT 2000 -2017

Nombre de la Clase Ganancias

(Gij)

Pérdidas

(Lij)

Cambio

Neto (Dj)

Intercambio

(Sj)

Cambio

Total(Cj)

Área % Área % Área % Área % Área %

Bosque Maduro 1,567.4 5.21 630.1 2.09 937.4 3.11 1,260.2 4.19 2,197.5 7.30

Bosque Secundario 1,828.7 6.07 3,076.8 10.22 1,248.1 4.15 3,657.4 12.15 4,905.5 16.29

Pasto Charral 1,976.4 6.56 1,750.8 5.82 225.6 0.75 3,501.5 11.63 3,727.2 12.38

Urbano 16.8 0.06 6.2 0.02 10.6 0.04 12.4 0.04 23.0 0.08

Cuerpos de Agua 98.9 0.33 24.4 0.08 74.5 0.25 48.8 0.16 123.3 0.41

Nota: Área en hectáreas.

La clase de uso de la tierra que presentó un mayor porcentaje de cambio neto (Cuadro 13),

fue Bosque Secundario (4.15 %), que además presentó un mayor porcentaje de intercambio

(12.15 %). Con respecto al Bosque Maduro, a pesar que un alto porcentaje permaneció en

esta clase (11.43 %), se presentó un 4.19 % de intercambio con otras clases de uso, como el

Bosque Secundario que de por sí presentó un alto porcentaje de intercambio y pérdidas.

Adicionalmente la clase de Pasto y Charral a pesar de que presentó un cambio neto de 0.75

%, mostró un alto porcentaje de intercambio (11.63 %), posiblemente debido a las ganancias

de otras categorías como Bosque Maduro y Bosque Secundario.

Los Cuerpos de Agua tendieron a aumentar en 0.25 %, con tasa de intercambio relativamente

baja (0.04), por su estabilidad en ambos períodos. Lo anterior coincide con el aumento del

nivel del embalse por encima de la cota establecida reportada por Instituto Costarricense de

Electricidad -ICE (2017). Esta ganancia fue obtenida de los Bosques Secundarios y áreas de

pastos en las márgenes del embalse, con afectación también a 3.2 ha clasificadas como

Bosque Maduro. Espacialmente, las pérdidas de cobertura boscosa se concentraron alrededor

del poblado de Mata de Caña y Arenal (Figura 12).

- 69 -

Figura 12. Corredor Biológico Lago Arenal Tenorio, distribución espacial del estado de cambio de la cobertura forestal entre el año 2000 y

2017

- 70 -

Análisis del paisaje

El CBLAT presenta un paisaje altamente fragmentado, primero porque se encuentra inmerso

en una matriz con un 30.24 % del área cubierta por áreas de pastos y segundo porque además

un 28.81% del área está cubierto por agua. Según Calvo Obando (2009), el mayor costo para

la conectividad funcional de este Corredor Biológico se debe principalmente a la presencia

de un gran porcentaje de cobertura no forestal y de agua, siendo esta última la que presenta

valores de resistencia máxima y altos de fragmentación.

Es importante resaltar que en este estudio no se incluyó la fragmentación generada por el

área cubierta por caminos que suman alrededor de 342 km lineales, además de las áreas

cubiertas por líneas de transmisión eléctrica. Lo anterior debido a que estos elementos no se

representan bien en la imagen por ser de un ancho menor al tamaño del pixel (30 m); además

no se encontró información de caminos actualizada y a una escala aceptable para la zona de

estudio. Los elementos lineales mencionados, requieren de condiciones libre de árboles, por

lo que contribuye también a la fragmentación del ecosistema.

Métricas de diversidad

A nivel de paisaje, se presenta un ligero descenso en el factor de diversidad expresado a

través del Índice de Diversidad de Shannon (SDI), esto indica que disminuyó el número de

tipos de parches o su distribución (Cuadro 14). Según Rajendaran y Mani (2015), el aumento

en la diversidad se correlaciona positivamente con la riqueza y uniformidad. Villavicencio

(2012) obtuvo un valor de SDI de 1.24 para la cuenca media del río Aranjuez, Costa Rica,

ubicada a 35 km al Noroeste del CBLAT, siendo este ecosistema mencionado más diverso

que el Corredor Biológico en estudio. El índice de uniformidad de Shannon (SEI) muestra

también que el CBLAT tuvo un descenso de 0.02 valores, tendiendo hacia una distribución

de parches baja y menos homogénea, lo que contribuye a la fragmentación.

Cuadro 14. Índice de Diversidad del Paisaje entre el año 2000 y 2017

Métrica Año 2000 Año 2017

Shannon's Diversity Index (SDI) 0.925 0.907

Shannon's Evenness Index (SEI) 0.842 0.825

- 71 -

La Distancia media al vecino más cercano (MNN) indica que la distancia mínima que se debe

recorrer para encontrar un parche de Bosque Maduro se redujo de 621 m en el año 2000 a

484 en el año 2017 (Gráfico 4), posiblemente por el aumento en la cobertura de esta clase,

adicionalmente, en Bosque Secundario la distancia mínima es de 414 y 408 para el año 2000

y 2017, siendo un cambio poco significativo en comparación al Bosque Maduro. Este

resultado difiere sustancialmente con lo encontrado por Calvo (2009), al indicar que el MNN

para el CBLAT es de 307 m y por González, Castells y Baraut, (2010) a nivel del ACAT,

donde establecieron una MNN de 286 m para el año 2005, posiblemente porque la distancia

se midió de borde a borde y no al centroide del fragmento.

También Calvo (2009) encontró que los corredores a nivel nacional que presentan el menor

MNN son el Corredor biológico Río Cañas (MNN = 222 m) y el Corredor biológico

Miravalles-Santa Rosa (MNN = 240 m), mientras que el Corredor biológico Cobri Surac

(MNN = 374 m), el Corredor biológico Osreo (MNN = 371 m) y Corredor biológico Tenorio-

Miravalles (MNN = 330) presentaron MNN mayores. En este sentido se comprende que el

CBLAT presenta un MNN cerca del promedio a nivel nacional.

Gráfico 4. Distancia media al fragmento más cercano de los fragmentos de Bosque Maduro y

Bosque Secundario, Corredor Biológico Lago Arenal Tenorio

621

484

414 408

0

100

200

300

400

500

600

700

Bosque maduro-2000

Bosque maduro -2017

Bosque Secundario -2000

Bosque Secundario -2017

MN

N

Tipo de cobertura

- 72 -

Métrica de densidad y tamaño de parche

EL tamaño medio del parche (MPS) en Bosque Maduro aumentó de 29.9 a 30.33 ha, lo que

concuerda también con el aumento del área de esta cobertura y con el número de parches

(NumP) pasando de 158 a 165 parches en 17 años (Cuadro 15). El aumento en la desviación

estándar (PSSD) en Bosque Maduro indica la tendencia a una distribución desigual en el

tamaño de los parches presentándose una mayor diferencia entre áreas pequeñas y áreas

grandes de este tipo de cobertura.

Cuadro 15. Métrica de densidad y tamaño de parche en el Corredor Biológico Lago Arenal

Tenorio, 2000 – 2017

Clase Nombre de la clase MPS NumP MedPS PSSD

2000 2017 2000 2017 2000 2017 2000 2017

1 Bosque Maduro 29.94 30.33 158 165 2.25 2.79 204.64 210.22

2 Bosque Secundario 17.75 16.70 483 450 2.43 2.79 111.35 85.87

3 No Forestal 72.07 105.41 286 203 3.56 2.79 1,008.77 1,173.23

Paisaje 36.59 41.46 927 818 2.52 2.79 572.83 596.61

El número de parches (NumP) de Bosque Secundario es en promedio tres veces mayor que

en Bosques Maduros (Cuadro 15), lo cual coincide con lo encontrado por Morera y

Sandoval, (2016) a nivel de áreas de conservación, donde los Bosques de Alta Densidad

(Bosque Maduro) el número de fragmentos siempre es menor que los Bosques de Baja

Densidad (Bosque Secundario). Además, el MPS y NumP descendió, lo que indica a nivel

de clase, los parches de mayor área han disminuido en área y cantidad, lo cual es un indicador

de alta fragmentación. A nivel de ACAT González et al., (2010) señalan que el MPS de

cobertura boscosa es de 18.15 ha para el año 2005, el cual se encuentra dentro de los rangos

establecidos en este estudio. Al respecto, Turner (1996) menciona que la continua reducción

de la superficie de los fragmentos que trae como consecuencia una pérdida de hábitat que

puede reducir el tamaño de las poblacionales.

Al analizar la distribución de frecuencias del número de parches por área, muestra que tanto

en Bosque Maduro como en el Bosque Secundario (Cuadro 13), se presenta una reducción

del número de parches con áreas menores a 2.25 ha y un aumento en el número de parches

- 73 -

en las clases de 2.25 a 5 ha y de 5 a 20 ha de Bosque Secundario (Cuadro 16), lo que hace

que el MPS y NumP se reduzca, partiendo de que el MPS de Bosque Secundario fue de 17.75

para el año 2000. Ramos (2004), menciona que la deforestación reduce la heterogeneidad

espacial y la disponibilidad de hábitat, afectando a las especies que necesitan hábitats

continuos de gran tamaño para mantener poblaciones viables.

Cuadro 16. Distribución de los parches según el área, para Bosques Maduros y Bosque Secundario

en el Corredor Biológico Lago Arenal Tenorio, 2000 – 2017

Clase estadística

Cobertura_2000 Cobertura_2017

Bosque Maduro Bosque Secundario Bosque Maduro Bosque Secundario

Frecuencia % Frecuencia % Frecuencia % Frecuencia %

1.00 2.25 81 51.3 239 49.5 74 44.8 194 43.1

2.25 4.99 34 21.5 110 22.8 36 21.8 117 26.0

5.00 19.99 31 19.6 94 19.5 42 25.5 100 22.2

20.00 99.99 7 4.4 28 5.8 7 4.2 27 6.0

100.00 499.99 3 1.9 10 2.1 5 3.0 9 2.0

500.00 999.99 1 0.6 0 0.0 0 0.0 1 0.2

>1000 1 0.6 2 0.4 1 0.6 2 0.4

En las clases de 5 a 20 ha (Cuadro 16), se da un aumento considerable del número de parches

de Bosque Maduro. Lo anterior concuerda con el aumento el tamaño medio del parche para

Bosque Maduro. Es importante destacar que en el Corredor Biológico se identificaron para

el año 2017 seis parches de Bosque Maduro con áreas mayores a 100 ha en los que destaca

uno de 2,620 ha, posiblemente por el establecimiento de conectividad entre parches de las

clases superiores. En Bosques Secundarios se identificaron 12 parches mayores a 100 ha

entre los cuales se presentaron dos parches con 1,114 y 1,167 ha.

De acuerdo con Forman y Godron (1986), cuanto más pequeños son los fragmentos de

bosque remanente, resultantes del proceso de perturbación, menor será la densidad de las

poblaciones y mayor el riesgo de extinción de especies. Particularmente porque la

fragmentación en muchos de los ambientes produce un aislamiento geográfico de los

ecosistemas y reduce la probabilidad de recolonización de la vegetación desde su núcleo o

interior y la calidad del hábitat que le rodea (Morera et al. 2007).

- 74 -

Métricas de forma

El índice de diversidad de formas de Patton (SI ó MSI) en el Bosque Maduro se mantuvo

constante en el período de evaluación, predominando formas amorfo o irregular con valores

de 2.21 (Cuadro 17). En el Bosque Secundario, aunque predominó formas amorfo o

irregular, este aumento su valor, lo que indica una mayor dinámica en la forma de los

fragmentos. A nivel de distribución porcentual, en el Bosque Maduro se presenta una

reducción de las formas Oval-oblongo (Figura 13), mientras que en Bosque Secundario se

reducen tanto las áreas oval-oblongo como rectangulares para sumar un mayor porcentaje en

las formas irregulares como se mencionó anteriormente, posiblemente porque son zonas de

proyección y bosques de galería que tienden a ser más irregulares. La forma menos frecuente

es la redonda (compacta) y oval redonda con un 6.75 %. mientras que un 93.25 % del paisaje

fue dominado por formas irregulares. Según Lozano et al., (2011), las formas compactas son

resistentes a los efectos negativos de esta matriz, mientras que las formas amorfas, o formas

irregulares, pueden tener un perímetro más largo por unidad de área y ser significativamente

sensibles a los efectos negativos externos.

Cuadro 17. Valores de las métricas de forma empleadas en el Corredor Biológico Lago Arenal

Tenorio para el año 2000 y 2017

Clase Nombre de la clase MSI (SI) K PMFD

2000 2017 2000 2017 2000 2017

1 Bosque Maduro 2.21 2.21 0.50 0.50 1.38 1.38

2 Bosque Secundario 2.32 2.38 0.49 0.48 1.39 1.39

3 No Forestal 2.14 2.24 0.53 0.52 1.36 1.37

Paisaje 2.25 2.31 0.50 0.50 1.38 1.38

- 75 -

Figura 13. Distribución porcentual de la forma de los fragmentos en Bosque Maduro y Bosque

Secundario para el año 2000 y 2017

Los valores del índice de compactación (K) por clase muestran que los parches de Bosque

Secundario son más frágiles y menos compactos que los bosques maduros (Cuadro 18). A

nivel de cobertura boscosa (Bosque Maduro y Bosque Secundario), hay un aumento en el

número de fragmentos cuyo valor de fragilidad se aproxima a uno (menos frágiles), pero una

tendencia a mayor número de fragmentos con valores de fragilidad altos pasando de un 47.58

% en el año 2000 a un 53.33 % en el año 2017 (Cuadro 18).

Cuadro 18. Frecuencia y porcentaje del índice de compactación (K) por clase y año, para las áreas

de cobertura forestal del Corredor Biológico Lago Arenal Tenorio

Clases(K) 2000 2017

Frecuencia Porcentaje Frecuencia Porcentaje

< 025 30 4.68 28.00 4.55

0.25 - 0.50 275 42.90 300.00 48.78

0.50 - 0.75 328 51.17 271.00 44.07

> 0.75 8 1.25 16.00 2.60

Total 641 100.00 615.00 100.00

0

10

20

30

40

50

60

Redondo Oval-redondo Oval-oblongo Rectangular Irregular

Po

rcen

taje

Forma

Bosque maduro -2000 Bosque secundario - 2000

Bosque maduro - 2017 Bosque secundario - 2017

- 76 -

El Promedio de Dimensión Fractal (MPFD) del CBLAT se mantuvo invariable en el período

de estudio tanto en Bosque Maduro (1.38) como en Bosque Secundario (1.39). Estos valores

indican que las formas se mantuvieron complejas o irregulares. En valor se conserva más

bajo en Bosques Maduros posiblemente por concentrarse en menor cantidad de parches con

área promedio (MPS) mayor que en Bosque Secundario. Según Bustamante y Grez, (1995)

los fragmentos pequeños tienen una relación perímetro/área mayor que fragmentos grandes,

lo cual significa una mayor influencia de la matriz circundante. Adicionalmente considera

que el efecto de borde puede llegar a ser importante si los fragmentos son alargados o de

formas irregulares, considerando que los fragmentos irregulares también poseen una relación

perímetro/área mayor que fragmentos más regulares.

- 77 -

Propuesta de manejo del Corredor Biológico

El Consejo Local del CB ha venido desarrollando acciones para reestablecer la conexión

entre el PN Volcán Arenal y PN Volcán Tenorio, según consta en el Plan de Trabajo Anual

(CBLAT, 2014). Sin embargo, muchos de los fragmentos de Bosque Maduro o áreas núcleo

a lo interno del CB se encuentran aislados. Adicionalmente la presencia de elementos lineales

como carreteras, caminos y líneas de transmisión eléctrica, alteraran la configuración del

paisaje.

La distribución de la Cobertura Boscosa del CBLAT obtenida en este estudio y su

verificación directa en campo, muestra que en muchas zonas no existen las áreas de

protección (Figura 14a) o estas no cumplen con la distancia establecida en el artículo 33 de

la Ley Forestal 7575 (Figura 14b), lo que incide en procesos de fragmentación del

ecosistema. Las áreas de protección juegan un papel importante en la conexión de parches de

bosque entre la parte alta y baja del CB a la vez que constituyen una matriz para la trasferencia

de genes entre poblaciones y subpoblaciones de plantas y animales.

Figura 14. Ausencia o deterioro de las áreas de protección de ríos y quebradas

También, se identificó zonas donde no existe el área de protección de los riachuelos (Figura

15a) y de serios problemas de erosión por la sobreutilización de los suelos en áreas de

pendientes fuertes, lo que hace que el proceso de recuperación de la cobertura sea más lento

(Figura 15b).

15a

14a 14b

- 78 -

Figura 15. Ausencia de áreas de protección de los riachuelos (15a) y evidencia de fuertes procesos

de erosión (15b)

Propuesta de gestión

Tomando en cuenta las consideraciones anteriores y los resultados de este estudio, se propone

las siguientes acciones tendientes a mejorar la cobertura y reducir la fragmentación:

1. Recurar las áreas de protección según lo establece la Ley Forestal en su artículo 33,

como mecanismo para mejorar la conectividad entre los fragmentos de bosque.

2. Establecer mecanismos para aumentar la cobertura forestal en bosques de galería

3. Mejorar la conectividad entre fragmentos de bosque, fortaleciendo iniciativas que

implementen linderos arbolados con especies nativas o introducidas, en sectores con

menor incidencia de los vientos.

4. Concientizar a la población del Corredor Biológico mediante acciones educativas

dirigidas a sectores productivos sobre la importancia de mejorar el estado de la

cobertura boscosa.

Por un lado, el cumplimiento de la primer acción de mejora, la Ley Forestal N° 7575. (1996)

declara las siguientes áreas de protección:

1. Las áreas que bordeen nacientes permanentes, definidas en un radio de cien metros

medidos de modo horizontal.

15a 15b

- 79 -

2. Una franja de quince metros en zona rural y de diez metros en zona urbana, medidas

horizontalmente a ambos lados, en las riberas de los ríos, quebradas o arroyos, si el

terreno es plano, y de cincuenta metros horizontales, si el terreno es quebrado.

3. Una zona de cincuenta metros medida horizontalmente en las riberas de los lagos y

embalses naturales y en los lagos o embalses artificiales construidos por el Estado y

sus instituciones. Se exceptúan los lagos y embalses artificiales privados.

4. Las áreas de recarga y los acuíferos de los manantiales, cuyos límites serán

determinados por los órganos competentes establecidos en el reglamento de esta ley.

Por otro, el Reglamento de la Ley Forestal, establece que los terrenos quebrados son aquellos

que tienen un pendiente promedio superior al cuarenta por ciento (Decreto 25721 - MINAE,

1997).

Se realizó un escenario ideal (a cumplirse según las metas que defina el Consejo Local del

Corredor Biológico). Se establecen los siguientes supuestos:

Las propiedades del ICE ubicadas en CBLAT y aledaños al Embalse, están sujetas a

proyectos de reforestación y alcanzarán el estado de Bosque a mediano plazo, a

excepción de las áreas con influencia de Plantas Eólicas (aerogeneradores) que

mantendrá su uso de la tierra actual.

Se establece la línea central del curso de la red hídrica como centro, considerando que

se deben identificar en campo las condiciones particulares del sitio, en cuanto al borde

del cauce para establecer las áreas de protección.

Se considera áreas de protección en terrenos quebrados en las riberas de los ríos,

quebradas o arroyos, si en un buffer de 50 metros horizontales el terreno presenta una

pendiente mayor al 40 %, considerando las indicaciones del punto anterior.

La construcción del escenario requirió del uso de las siguientes capas vectoriales (Cuadro

19).

- 80 -

Cuadro 19. Capas vectoriales para el diseño de propuesta de manejo del Corredor Biológico Lago

Arenal Tenorio

Capa Fuente Descripción

Uso de la tierra 2017 Fuente: elaboración propia Contiene el uso de la tierra del

año 2017, generado a partir de

clasificación supervisa de

imágenes del sensor OLI,

Misión Landsat 8.

Red Hídrica Laboratorio de Sistemas de

Información Geográfica,

Centro Gestión Ambiental,

UEN PySA. ICE.

Contiene el nombre de cada

segmento fluvial, clasificada

según su estado (Permanente o

Intermitente), además tiene

asociada la cuenca a la cual

pertenece y su orden jerárquico

según la metodología de

Strahler.

Pendiente Generado a partir del Modelo

de Elevación Digital, con un

tamaño de pixel de 20 metros,

facilitado por el Laboratorio de

Sistemas de Información

Geográfica, Centro Gestión

Ambiental, UEN PySA. ICE.

Contiene las pendientes del

terreno clasificado en dos

clases:

Clase 1<40 %

Clase 2: >40 %

Propiedades ICE Centro de Producción ArCoSa,

ICE.

Esta información contiene la

ubicación de los Centros de

Producción Eólicos,

Geotérmicos e Hidroeléctricos,

así como el trazado de las

Líneas de Transmisión

Eléctrica.

- 81 -

Se obtiene que las áreas de protección de las riberas de los ríos, quebradas o arroyos del

Corredor Biológico corresponden a 5.7 ha en Zona Urbana, 399.47 ha en Zonas Rurales y

937.59 ha en Zonas de Pendientes mayor al 40 %. En el caso del embalse, por ser de origen

artificial se determina un área de protección de 687.67 ha a partir del nivel máximo

determinado en la clasificación, sin embargo, las propiedades adquiridas por el ICE para

proteger esta zona ascienden a las 2,018.75 ha, posiblemente por las fluctuaciones del nivel

del embalse.

Se estima que del total de áreas de protección (3,390.52 ha), un 69.20 % (23.46) se encuentran

con cobertura forestal, mientras que el restante 30.80 % (1,044 ha) requieren de algún grado

de intervención (Figura 16).

- 82 -

Figura 16. Corredor Biológico Lago Arenal Tenorio, áreas prioritarias para reforestar en zonas de protección

- 83 -

De estas áreas a recuperar, 637.0 ha se ubican en las propiedades del ICE que se definieron

como zonas de protección, 237.4 ha en zonas de protección ríos con pendientes fuertes, 127.0

ha en zonas de protección ubicada en áreas rurales y 5.7 ha en zonas urbanas. No obstante,

dado los esfuerzos que ha realizado el ICE en materia de recuperación de las zonas de

protección, se estima que estas áreas podrían ser menores puesto que no se ven reflejadas en

las firmas espectrales obtenidas de la clasificación de imágenes, al presentarse áreas

reforestadas en la última década, especialmente en propiedades del ICE. Según las

observaciones de campo, muchas áreas son inaccesibles para reforestar, por presentar fuertes

pendientes o cañones que limitan el acceso. Adicionalmente las áreas aledañas al embalse,

están sujetas a fuertes procesos de erosión.

La recuperación de bosques de galería y establecimiento de linderos arbolados

correspondientes a las acciones dos y tres, debe formalizarse mediante el Programa de Pago

de Servicios Ambientales (PPSA), que consiste en un reconocimiento financiero por parte

del Estado, a través del Fondo Nacional de Financiamiento Forestal (FONAFIFO), a los

propietarios y poseedores de bosques y plantaciones forestales por los servicios ambientales

que éstos proveen y que inciden directamente en la protección y mejoramiento del medio

ambiente.

Las modalidades que más se ajustan a los objetivos del Corredor Biológico son la Protección

del Recurso Hídrico, Reforestación en Áreas de Protección, Regeneración Natural en Tierras

Kyoto y Regeneración Natural en Potreros, Sistemas Agroforestales, Sistemas

Agroforestales con Especies Nativas y Manejo de Bosques.

- 84 -

CONCLUSIONES

La precisión de la clasificación de las imágenes y los valores de índice de Kappa, permiten

concluir que los mapas obtenidos a través de la clasificación son fiables y presentan una

fuerte concordancia con la realidad.

El uso de la tierra del CBLAT ha mostrado un dinamismo del 18.23 % (ganancias y pérdidas),

especialmente entre Bosque Secundario y áreas de pasto y charral, mientras que el 81.76 %

del área se ha mantenido persistente, principalmente porque un alto porcentaje del corredor,

presenta coberturas estables como los Cuerpos de Agua (28 %), áreas de pastos y además

que los bosques maduros son de difícil acceso en comparación con otras regiones, por la

condiciones topográficas que caracterizan al corredor.

La cobertura forestal para el año 2000 ocupó un 40.21 % del área del CBLAT, y un 39.18 %

para el año 2017, presentando una tendencia de cambio negativa de -0.15 %, es decir que por

cada año transcurrido se pierden 45.16 ha de bosques del Corredor Biológico.

El CBLAT presenta un paisaje altamente fragmentado, con una disminución en la

distribución y uniformidad de las coberturas, que generan un descenso en el factor de

diversidad y riqueza, contribuyendo a la fragmentación.

Los índices a nivel de clase reflejan una recuperación de los bosques maduros, pérdida y alta

fragmentación para los bosques secundarios al reducir el tamaño medio del parche, el número

de parches y aumento en la desviación estándar.

Un alto porcentaje de los fragmentos de la cobertura forestal del CBLAT (93.25 %) presentan

formas irregulares, por lo que son más sensibles a los efectos negativos externos causados

por los usos del suelo (matriz circundante).

La cobertura Forestal del Corredor Biológico aumentó el número de fragmentos con valores

de fragilidad altos, pasando de un 47.58 % en el año 2000 a un 53.33 % en el año 2017.

La recuperación de las zonas de protección del Corredor Biológico mejora el estado de

fragmentación y aumentaría la conectividad entre parches.

- 85 -

RECOMENDACIONES

Elaborar estudios de uso de la tierra periódicamente, siguiendo la metodología de este estudio

para realizar análisis comparativos con la información generada, de manera que permita

realizar acciones para reducir el impacto sobre las coberturas boscosas.

Realizar un estudio de comparación de cambio de uso de la tierra usando imágenes satelitales

accesibles y de mejor resolución que permita un mayor nivel de detalle en la clase que

componen la cobertura, especialmente las áreas reforestadas, plantaciones y áreas de cultivo,

que no fue posible determinar en este estudio.

Establecer unidades de manejo a nivel de subcuencas, mediante la operación de Consejos de

Unidades Hidrológicas, según se establece en el proyecto de Ley No.17742 de Gestión

Integrada del Recurso Hídrico y construir indicadores de logros que permitan a los

pobladores locales tener una idea del efecto de sus actividades productivas en la

fragmentación del Corredor Biológico para proponer y ejecutar medidas de mitigación y

compensación.

Fomentar el Pago por Servicios Ambientales (PSA) en el Corredor Biológico para proteger

la cobertura boscosa actual, e incentivar procesos de reforestación en áreas que permitan la

conectividad entre fragmentos de bosques.

- 86 -

ANEXOS

Anexo 1. Valores de reflectancia y desviación estándar para la escena 1653 – Landsat 5

Banda Longitud

de onda

Reflectancia (μm)

Bosque

Maduro

Bosque

Secundario

Pasto-

Charral

Agua Nubes Sombras

1 0.49 0.0373 0.0447 0.0581 0.0407 0.1896 0.0358

2 0.56 0.0398 0.0490 0.0778 0.0339 0.2086 0.0298

3 0.66 0.0324 0.0389 0.0683 0.0233 0.2109 0.0250

4 0.83 0.2267 0.2994 0.3410 0.0204 0.4279 0.0989

5 1.65 0.1131 0.1431 0.2243 0.0192 0.3309 0.0510

7 2.22 0.0523 0.0631 0.1114 0.0165 0.2508 0.0273

Desviación Estándar

1 0.49 0.004 0.003 0.058 0.003 0.025 0.001

2 0.56 0.006 0.006 0.078 0.003 0.029 0.002

3 0.66 0.005 0.004 0.068 0.002 0.030 0.002

4 0.83 0.071 0.052 0.341 0.003 0.020 0.011

5 1.65 0.030 0.023 0.224 0.002 0.027 0.005

7 2.22 0.012 0.010 0.111 0.003 0.030 0.004

- 87 -

Anexo 2. Valores de reflectancia y desviación estándar para la escena 1553 – Landsat 7

Banda Longitud

de onda

Reflectancia (μm)

Bosque

Maduro

Bosque

Secundario

Pasto-

Charral

Agua Nubes Sombras

1 0.485 0.0877 0.0983 0.1116 0.1050 0.3765 0.0934

2 0.56 0.0657 0.0763 0.1077 0.0733 0.3977 0.0646

3 0.66 0.0450 0.0527 0.0847 0.0506 0.3753 0.0440

4 0.835 0.2159 0.2841 0.3756 0.0451 0.6235 0.1223

5 1.65 0.1047 0.1371 0.2436 0.0299 0.4783 0.0641

7 2.22 0.0510 0.0617 0.1165 0.0278 0.3567 0.0367

Desviación Estándar

1 0.485 0.0053 0.0042 0.0036 0.1050 0.0641 0.0040

2 0.56 0.0073 0.0047 0.0044 0.0733 0.0845 0.0036

3 0.66 0.0057 0.0043 0.0131 0.0506 0.0752 0.0032

4 0.835 0.0610 0.0328 0.0367 0.0451 0.1942 0.0205

5 1.65 0.0316 0.0166 0.0248 0.0299 0.1104 0.0134

7 2.22 0.0127 0.0066 0.0151 0.0279 0.0877 0.0067

- 88 -

Anexo 3. Valores de reflectancia y desviación estándar para la escena 1653 – Landsat 8

Banda Longitud

de onda

Reflectancia (μm)

Bosque

Maduro

Bosque

Secundario

Pasto-

Charral

Agua Nubes Sombras

1 0.48 0.0172 0.0276 0.0388 0.0330 0.4144 0.0193

2 0.56 0.0244 0.0371 0.0652 0.0288 0.4382 0.0178

3 0.655 0.0213 0.0328 0.0646 0.0257 0.4774 0.0179

4 0.865 0.2571 0.3138 0.3616 0.0298 0.6251 0.1058

5 1.61 0.1130 0.1461 0.2412 0.0241 0.5327 0.0458

7 2.2 0.0512 0.0665 0.1245 0.0207 0.4421 0.0250

Desviación Estándar

1 0.48 0.0024 0.0020 0.0043 0.0031 0.1261 0.0081

2 0.56 0.0044 0.0026 0.0074 0.0031 0.1261 0.0080

3 0.655 0.0031 0.0034 0.0091 0.0029 0.1390 0.0061

4 0.865 0.0507 0.0332 0.0295 0.0027 0.0960 0.0404

5 1.61 0.0214 0.0134 0.0213 0.0030 0.0969 0.0194

7 2.2 0.0082 0.0064 0.0137 0.0025 0.0981 0.0080

- 89 -

Anexo 4. Valores del algoritmo Jeffries-Matusita distance, para la clasificación de la imagen

Landsat con respecto a las clases de referencia

Clase de comparación Año 2000 Año 2017

Escena 1653

Escena 1553 Escena 1653

Pasto Charral Cuerpos de Agua 2.000 1.999 2.000

Pasto Charral Nubes 1.999 1.969 1.996

Pasto Charral Sombras 1.999 1.999 1.999

Pasto Charral Bosque Maduro 1.998 1.970 1.999

Pasto Charral Bosque Secundario 1.987 1.937 1.994

Cuerpos de Agua Nubes 1.999 2.000 1.999

Cuerpos de Agua Sombras 1.999 1.999 1.999

Cuerpos de Agua Bosque Maduro 1.999 1.999 1.999

Cuerpos de Agua Bosque Secundario 1.999 1.999 1.999

Nubes Sombras 1.999 1.999 1.999

Nubes Bosque Maduro 1.999 1.993 1.915

Nubes Bosque Secundario 1.999 1.992 1.999

Sombra de Nubes Bosque Maduro 1.825 1.769 1.915

Sombra de Nubes Bosque Secundario 1.990 1.990 1.992

Bosque Maduro Bosque Secundario 1.306 1.089 1.903

- 90 -

Anexo 5. Detalle de maya de puntos aleatorios para la validación de la clasificación de la escena

1653 – Landsat 5

id X Y MC_ID MC_info

1 741362.7273 1142740.9091 1 Bosque Maduro

2 742366.3636 1143504.5455 1 Bosque Maduro

3 739135.9091 1143495.0000 1 Bosque Maduro

4 740662.5000 1144680.0000 1 Bosque Maduro

5 739959.0000 1145010.0000 1 Bosque Maduro

6 737887.5000 1144657.5000 3 Pasto - Charral

7 738577.5000 1147367.5000 3 Pasto - Charral

8 736026.0000 1146642.0000 3 Pasto - Charral

9 736371.0811 1147334.5946 3 Pasto - Charral

10 737061.0000 1149696.0000 2 Bosque Secundario

11 735513.5294 1149320.2941 1 Bosque Maduro

12 734317.5000 1148313.7500 2 Bosque Secundario

13 732535.3846 1149295.3846 2 Bosque Secundario

14 733184.1176 1150401.1765 2 Bosque Secundario

15 734661.8182 1150292.7273 3 Pasto - Charral

16 735871.3043 1151311.7391 1 Bosque Maduro

17 737131.3043 1151602.1739 1 Bosque Maduro

18 738357.0732 1153369.0244 1 Bosque Maduro

19 740691.0000 1154241.0000 3 Pasto - Charral

20 739467.8049 1154983.9024 1 Bosque Maduro

21 738990.0000 1155708.7500 2 Bosque Secundario

22 733540.5882 1153014.7059 3 Pasto - Charral

23 735815.6250 1154540.6250 2 Bosque Secundario

24 737070.0000 1155739.2857 1 Bosque Maduro

25 736411.1538 1153570.3846 3 Pasto - Charral

26 732204.0000 1151551.5000 2 Bosque Secundario

27 731199.2308 1150929.2308 3 Pasto - Charral

28 729568.1250 1152427.5000 3 Pasto - Charral

29 729090.9375 1154415.9375 2 Bosque Secundario

30 731737.3333 1154767.3333 2 Bosque Secundario

31 730088.5714 1156452.8571 3 Pasto - Charral

32 734363.1818 1156231.3636 3 Pasto - Charral

- 91 -

id X Y MC_ID MC_info

33 731867.5000 1158165.0000 3 Pasto - Charral

34 729897.0000 1159214.0000 3 Pasto - Charral

35 729733.3333 1160353.3333 2 Bosque Secundario

36 730772.9794 1161763.8900 5 Cuerpos de Agua

37 731459.7261 1163886.2866 5 Cuerpos de Agua

38 733341.1256 1162151.2691 5 Cuerpos de Agua

39 735983.6426 1159365.5975 5 Cuerpos de Agua

40 736625.0086 1157592.6976 5 Cuerpos de Agua

41 737795.4249 1157502.6816 5 Cuerpos de Agua

42 742716.3077 1156003.3318 5 Cuerpos de Agua

43 744952.6685 1155882.2473 5 Cuerpos de Agua

44 744313.3333 1152896.6667 2 Bosque Secundario

45 745997.1429 1151408.5714 2 Bosque Secundario

46 748223.3333 1152145.0000 1 Bosque Maduro

47 746259.3103 1154093.7931 2 Bosque Secundario

48 747516.2500 1155828.7500 2 Bosque Secundario

49 745555.3846 1158715.3846 2 Bosque Secundario

50 742661.2048 1157466.1446 2 Bosque Secundario

51 741808.4208 1157394.8425 2 Bosque Secundario

52 742962.9639 1159306.5186 3 Pasto - Charral

53 742421.1439 1159588.6517 3 Pasto - Charral

54 740868.2234 1159303.4771 3 Pasto - Charral

55 742283.0801 1161026.7304 3 Pasto - Charral

56 741983.6842 1158618.9474 1 Bosque Maduro

57 743934.0000 1161280.2857 3 Pasto - Charral

58 737889.3750 1159020.0000 3 Pasto - Charral

59 740135.7275 1161961.5636 2 Bosque Secundario

60 738229.8101 1161046.7351 2 Bosque Secundario

61 739743.4615 1162974.2308 3 Pasto - Charral

62 742253.6511 1160365.2889 6 Nubes

63 744018.1741 1160800.1156 6 Nubes

64 741856.6895 1161420.8416 6 Nubes

65 733178.6747 1168606.0316 6 Nubes

66 732897.4215 1168936.5275 7 Sombras

67 741952.8238 1160704.8405 7 Sombras

- 92 -

id X Y MC_ID MC_info

68 741556.4652 1161767.7034 7 Sombras

69 736345.1676 1161957.9278 3 Pasto - Charral

70 738666.3158 1163687.3684 2 Bosque Secundario

71 738818.1576 1164421.4899 2 Bosque Secundario

72 735659.2229 1163257.1143 3 Pasto - Charral

73 735024.5704 1164232.2538 2 Bosque Secundario

74 736947.8220 1164875.9832 2 Bosque Secundario

75 733517.8374 1165514.3690 2 Bosque Secundario

76 735579.5497 1167007.4652 3 Pasto - Charral

77 734001.2665 1168056.6386 3 Pasto - Charral

78 731837.0160 1166037.0510 2 Bosque Secundario

79 732084.6138 1168226.4581 2 Bosque Secundario

80 734566.7577 1158769.7473 2 Bosque Secundario

81 734149.0422 1159310.5380 2 Bosque Secundario

Anexo 6. Detalle de maya de puntos aleatorios para la validación de la clasificación de la escena

1553 – Landsat 7

id X Y MC_ID MC_info

1 741306.6667 1142693.3333 1 Bosque Maduro

2 738846.9231 1142817.6923 3 Pasto - Charral

3 740513.4783 1144814.3478 3 Pasto - Charral

4 737890.0000 1144760.0000 1 Bosque Maduro

5 738680.0000 1147170.0000 3 Pasto - Charral

6 736382.7273 1147294.0909 3 Pasto - Charral

7 737217.8571 1149799.2857 1 Bosque Maduro

8 734350.0000 1148270.0000 1 Bosque Maduro

9 732529.2857 1149293.5714 1 Bosque Maduro

10 734517.9070 1150380.0000 6 Nubes

11 737029.6721 1151613.4426 1 Bosque Maduro

12 738375.0000 1153418.4375 1 Bosque Maduro

13 740700.0000 1154260.0000 3 Pasto - Charral

14 738892.5000 1155556.5000 2 Bosque Secundario

15 735827.0000 1154535.0000 2 Bosque Secundario

16 733470.0000 1152954.0000 3 Pasto - Charral

- 93 -

id X Y MC_ID MC_info

17 731302.2222 1150996.6667 3 Pasto - Charral

18 729765.0000 1152453.7500 3 Pasto - Charral

19 729063.0000 1154644.8000 3 Pasto - Charral

20 731577.6923 1154914.6154 3 Pasto - Charral

21 734361.9231 1156295.7692 3 Pasto - Charral

22 736263.9623 1156948.5283 5 Cuerpos de Agua

23 730083.7500 1156455.0000 3 Pasto - Charral

24 731925.0000 1158311.2500 3 Pasto - Charral

25 728137.3171 1157987.5610 3 Pasto - Charral

26 730013.3333 1159345.0000 2 Bosque Secundario

27 728063.5714 1160583.2143 7 Sombras

28 726053.7931 1159691.3793 3 Pasto - Charral

29 724677.6923 1161336.9231 3 Pasto - Charral

30 722650.0000 1161247.1429 3 Pasto - Charral

31 722418.7500 1163820.0000 2 Bosque Secundario

32 720248.8235 1163770.5882 3 Pasto - Charral

33 718395.0000 1165668.4615 2 Bosque Secundario

34 721209.2259 1165759.5188 5 Cuerpos de Agua

35 719109.3750 1167691.8750 2 Bosque Secundario

36 717559.1667 1169137.5000 2 Bosque Secundario

37 718975.0000 1170583.0000 2 Bosque Secundario

38 718471.5000 1173024.0000 7 Sombras

39 720856.6667 1169446.6667 2 Bosque Secundario

40 723603.4884 1169153.0233 7 Sombras

41 725851.8180 1169661.9369 6 Nubes

42 728539.5170 1169338.1950 6 Nubes

43 727086.6667 1171670.0000 7 Sombras

44 723413.6063 1165647.1127 5 Cuerpos de Agua

45 726327.1429 1164197.1429 6 Nubes

46 727554.9375 1166831.6250 5 Cuerpos de Agua

47 730518.7500 1168001.2500 2 Bosque Secundario

48 733922.6087 1168202.6087 7 Sombras

49 724959.1141 1165614.5000 5 Cuerpos de Agua

50 727140.5455 1167037.6364 6 Nubes

51 728995.1512 1163043.6997 5 Cuerpos de Agua

- 94 -

id X Y MC_ID MC_info

52 731396.8120 1162005.8124 5 Cuerpos de Agua

53 730386.9509 1163818.8716 5 Cuerpos de Agua

54 733713.2432 1162393.5135 5 Cuerpos de Agua

55 734010.0000 1159122.8571 3 Pasto - Charral

56 733433.6842 1165479.4737 3 Pasto - Charral

57 735897.6923 1167087.6923 2 Bosque Secundario

58 734721.1007 1164141.7922 6 Bosque Secundario

59 736952.5000 1164855.0000 3 Pasto - Charral

60 736181.5570 1161801.8077 6 Nubes

61 738170.0000 1161055.0000 2 Bosque Secundario

62 738577.0272 1163421.1322 6 Nubes

63 740427.9226 1162072.0502 6 Nubes

64 742260.0000 1161317.0455 7 Sombras

65 737826.0000 1158920.0000 3 Pasto - Charral

66 739425.0000 1157805.0000 2 Bosque Secundario

67 741594.6033 1157454.6772 6 Nubes

68 740942.3077 1159317.6923 3 Pasto - Charral

69 743166.9736 1159193.7551 6 Nubes

70 745571.4286 1158854.2857 7 Sombras

71 744330.9934 1156344.0250 5 Cuerpos de Agua

72 741874.7303 1155655.7365 5 Cuerpos de Agua

73 747360.8079 1155494.5103 6 Nubes

74 746357.6923 1153866.1538 7 Sombras

75 748036.0465 1152041.8605 6 Nubes

76 745992.8571 1151363.5714 3 Pasto - Charral

77 744320.5263 1152898.4211 2 Bosque Secundario

78 744320.5263 1152898.4211 2 Bosque Secundario

79 742325.2500 1143451.5000 1 Bosque Maduro

80 739250.6250 1143570.0000 1 Bosque Maduro

81 740034.5455 1145214.5455 1 Bosque Maduro

82 736020.7692 1146553.8462 3 Pasto - Charral

83 735489.5455 1149205.2273 1 Bosque Maduro

84 733345.2000 1150342.8000 1 Bosque Maduro

85 732275.0000 1151790.0000 1 Bosque Maduro

86 735570.0000 1150870.0000 1 Bosque Maduro

- 95 -

id X Y MC_ID MC_info

87 736477.5000 1153615.0000 3 Pasto - Charral

88 739630.0000 1155063.3333 2 Bosque Secundario

89 737183.6842 1155775.2632 1 Bosque Maduro

90 737540.6744 1157594.9001 5 Cuerpos de Agua

91 742800.0000 1157535.6522 2 Bosque Secundario

92 742060.3846 1158556.1538 2 Bosque Secundario

93 742718.9362 1159625.7447 7 Sombras

94 735967.0228 1159399.6653 5 Cuerpos de Agua

95 729721.6667 1160213.3333 3 Pasto - Charral

96 727082.5000 1159715.8333 3 Pasto - Charral

97 725076.5625 1159970.6250 3 Pasto - Charral

98 720319.2857 1166140.7143 2 Bosque Secundario

99 719802.0000 1167849.0000 2 Bosque Secundario

100 718447.0588 1169968.2353 3 Pasto - Charral

Anexo 7. Detalle de maya de puntos aleatorios para la validación de la clasificación de la escena

1653 – Landsat 8

id X Y MC_ID MC_info

1 742288.1818 1143732.4242 1 Bosque Maduro

2 739999.0909 1145138.1818 1 Bosque Maduro

3 735478.5000 1149198.0000 1 Bosque Maduro

4 735618.5950 1150934.1262 1 Bosque Maduro

5 737181.4286 1155781.4286 1 Bosque Maduro

6 739547.8844 1154982.6694 1 Bosque Maduro

7 733228.4211 1150504.7368 1 Bosque Maduro

8 732288.0000 1151817.0000 1 Bosque Maduro

9 744331.0345 1152943.4483 1 Bosque Maduro

10 738505.0000 1153527.8571 1 Bosque Maduro

11 741306.5854 1142861.7073 1 Bosque Maduro

12 737142.3077 1149571.5385 1 Bosque Maduro

13 737103.0000 1149789.0000 1 Bosque Maduro

14 724956.6176 1161799.6923 2 Bosque Secundario

15 723809.0462 1163111.3739 2 Bosque Secundario

16 719771.4014 1167857.7164 2 Bosque Secundario

- 96 -

id X Y MC_ID MC_info

17 720941.9111 1168845.0598 2 Bosque Secundario

18 718475.0000 1170045.0000 2 Bosque Secundario

19 721746.6667 1169995.0000 2 Bosque Secundario

20 742880.4000 1157562.0000 2 Bosque Secundario

21 742102.1053 1158602.3684 2 Bosque Secundario

22 731891.0526 1166054.2105 2 Bosque Secundario

23 732129.8329 1168193.5105 2 Bosque Secundario

24 727278.6735 1166139.3680 2 Bosque Secundario

25 722403.0000 1163847.0000 2 Bosque Secundario

26 719116.8750 1167695.6250 2 Bosque Secundario

27 718452.0000 1173024.0000 2 Bosque Secundario

28 729030.0000 1165680.0000 2 Bosque Secundario

29 741835.0000 1157485.0000 2 Bosque Secundario

30 743676.1420 1155368.7253 5 Cuerpos de Agua

31 744841.7084 1156152.1579 5 Cuerpos de Agua

32 737775.8165 1157484.5713 5 Cuerpos de Agua

33 737662.5000 1158487.5000 5 Cuerpos de Agua

34 735960.7381 1159461.0499 5 Cuerpos de Agua

35 730317.1698 1161940.7753 5 Cuerpos de Agua

36 730098.4128 1163726.1407 5 Cuerpos de Agua

37 726945.9971 1164300.8729 5 Cuerpos de Agua

38 724646.4321 1164291.2072 5 Cuerpos de Agua

39 723151.2914 1165226.2787 5 Cuerpos de Agua

40 723861.8235 1165862.6865 5 Cuerpos de Agua

41 728714.3539 1165639.2520 5 Cuerpos de Agua

42 736696.2051 1157595.4043 5 Cuerpos de Agua

43 736088.8042 1146641.7027 6 Nubes

44 728292.2222 1157936.6667 6 Nubes

45 725715.5066 1169832.2407 6 Nubes

46 738848.1818 1142885.4545 6 Nubes

47 727023.6000 1171656.0000 6 Nubes

48 726625.1163 1166886.9767 6 Nubes

49 726090.0000 1170915.0000 6 Nubes

50 724730.2941 1170266.4706 6 Nubes

51 737932.8947 1144679.2105 6 Nubes

- 97 -

id X Y MC_ID MC_info

52 739786.7647 1143053.8235 6 Nubes

53 722436.5854 1169067.8049 6 Nubes

54 723921.8750 1169909.3750 6 Nubes

55 720628.4211 1168699.7368 6 Nubes

56 719307.6923 1172850.0000 6 Nubes

57 722761.3361 1169677.1755 6 Nubes

58 726667.5518 1170548.1462 6 Nubes

59 730891.2389 1168723.7328 6 Nubes

60 731692.1572 1168310.6371 6 Nubes

61 736361.4706 1153553.8235 3 Pasto - Charral

62 728264.1177 1157744.1176 3 Pasto - Charral

63 729722.5000 1160230.0000 3 Pasto - Charral

64 727095.0000 1159645.0000 3 Pasto - Charral

65 725083.3333 1159965.5556 3 Pasto - Charral

66 720210.0000 1166160.0000 3 Pasto - Charral

67 723850.0000 1167615.0000 3 Pasto - Charral

68 734823.0000 1159161.0000 3 Pasto - Charral

69 742482.7769 1159586.5122 3 Pasto - Charral

70 743896.8750 1161279.3750 3 Pasto - Charral

71 739657.5000 1163141.2500 3 Pasto - Charral

72 735641.1224 1163432.7617 3 Pasto - Charral

73 744225.0000 1152766.6667 3 Pasto - Charral

74 731226.0000 1150932.0000 3 Pasto - Charral

75 729638.6380 1152394.2860 3 Pasto - Charral

76 729014.1567 1154530.8966 3 Pasto - Charral

77 731561.6696 1154915.7393 3 Pasto - Charral

78 734362.5000 1156228.5000 3 Pasto - Charral

79 726050.0000 1159682.0000 3 Pasto - Charral

80 724671.6667 1161316.6667 3 Pasto - Charral

81 722678.5714 1161214.2857 3 Pasto - Charral

82 720219.6000 1163822.4000 3 Pasto - Charral

83 733410.0000 1165545.0000 3 Pasto - Charral

84 734046.6667 1168066.6667 3 Pasto - Charral

85 737850.0000 1159038.4615 3 Pasto - Charral

86 742230.0000 1161340.7143 3 Pasto - Charral

- 98 -

id X Y MC_ID MC_info

87 740021.6667 1162060.0000 3 Pasto - Charral

88 739022.8125 1143467.8125 7 Sombras

89 723861.6567 1168936.7913 7 Sombras

90 738874.6154 1143163.8462 7 Sombras

91 724949.4828 1169798.7931 7 Sombras

92 727086.9231 1170039.2308 7 Sombras

93 731361.0000 1168273.5000 7 Sombras

94 721981.8000 1169369.4000 7 Sombras

95 720167.5000 1169059.3750 7 Sombras

96 720206.7857 1165713.2143 7 Sombras

97 734560.2439 1150048.5366 7 Sombras

98 734178.1132 1150183.5849 7 Sombras

99 737298.6487 1144135.1351 7 Sombras

100 738105.0000 1145355.0000 7 Sombras

101 734890.7368 1147330.7368 7 Sombras

102 741013.7288 1145843.8983 7 Sombras

103 742858.2000 1161596.4000 7 Sombras

- 99 -

REFERENCIAS

Aguilar Arias, H., Zamora Mora, R. y Vargas Bolaños, C. (2014). Metodología para la

corrección atmosférica de imágenes ASTER, RAPIDEYE, SPOT 2 y Landsat 8 con el

módulo FLAASH del software ENVI. Revista Geográfica de América Central, 2(53),

39–59.

Aguilar Vega, G. (1999). Ficha informativa de los Humedales Ramsar. Costa Rica. 17 p.

Alfaro García, L. (2016). Propuesta metodológica para la creación y operación participativa

de los Consejos de Unidad Hidrológica , establecidos en el proyecto de ley para la

Gestión Integrada del Recurso Hídrico de Costa Rica . Centro Agronómico Tropical de

Investigación y Enseñanza (CATIE).

Arango, M., Branch, J. y Botero, V. (2005). Clasificación no supervisada de coberturas

vegetales sobre imágenes digitales de sensores remotos: “LANDSAT– ETM+.”

Facultad Nacional de Agricultura Medellín, 58(1), 2611–2634.

Área de Conservación Arenal (ACA). (1992). Resumen Ejecutivo: Plan General de Uso de

la Tierra. Costa Rica: Agencia Canadiense de Desarrollo Internacional (ACDI), Fondo

Mundial para la Naturaleza de Canadá (WWF-C).

Ariza Alexander. (2013). Descripción y Corrección de Productos Landsat 8 LDCM (Landsat

Data Continuity Mission). Centro de Investigación y Desarrollo en información

Geográfica del IGAC -CIAF. https://doi.org/10.5751/ES-06710-190329

Aviles, P., Araneda, F., Duarte, E., Szejner, M. y Vergara, L. (2015). Mapa de Cobertura

Forestal y Uso de la Tierra de la Cuenca Hidrográfica del Canal de Panamá. Panamá.

Beier, P. y Noss, R. F. (1998). Do Habitat Corridors Provide Connectivity? Conservation

Biology, 12(6), 1241–1252. https://doi.org/10.1111/j.1523-1739.1998.98036.x

Bennett. (1999). Linkages in the Landscape: The Role of Corridors and Connectivity in

Wildlife Conservation. (1st ed.). Gland, Switzerland and Cambridge, UK: International

Union for Conservation of Nature and Natural Resources (IUCN).

Bermúdez Rodríguez, O. D. (2015). Análisis del paisaje para la microcuenca del río

Quebrada Honda para determinar estrategias de ordenamiento y restauración forestal.

- 100 -

Universidad Nacional de Costa Rica.

Buendía Rodríguez, E.; Terrazas Domínguez, S.; Vargas Pérez, E. (2002). Aplicación de

imágenes de satélite en la cartografía de uso de suelo y vegetación en una región del

oriente del valle de México. Revista Chapingo. Serie Ciencias Forestales Y Del

Ambiente, 8(1), 13–19.

Bustamante, R. y Grez, A. A. (1995). Consecuencias ecológicas de la fragmentación de los

bosques nativos. Ambiente Y Desarrollo, 58–63. Retrieved from http://www.ieb-

chile.cl/otras_publicaciones/RBustamante/Bustamante_Grez_1995_Ambient_Desarr.p

df

Cabrera E., Vargas D. M., Galindo G. García, M.C., Ordoñez, M. F. (2011). Protocolo de

procesamiento digital de imágenes para la cuantificación de la deforestación en

Colombia, Nivel Subnacional Escala Grues y fin. Bogotá D.C., Colombia.

Calvo Obando, J. (2009). Determinación de índices de fragmentación y modelamiento de la

conectividad en los corredores biológicos de Costa Rica. Instituto Tecnológico de Costa

Rica.

Campos Castillo, M. (2012). Perfil Técnico Corredor Biológico Lago Arenal Tenorio.

Tilarán.

Canet-Desanti, L. y Finegan, B. (2010). Bases de conocimiento para la gestión de corredores

biológicos en Costa Rica. Mesoamerica, 14(6), 11–24.

Cardona, A. M., Ardila, C. V. y Chacón de Ulloa, P. (2013). Estado de fragmentación del

bosque seco de la cuenca alta del Río Cauca, Colombia. Biota Colombiana, 13(2), 86–

100. Retrieved from

http://www.ecosistemassecos.org/Documentos/biota_colombiana.pdf#page=87

Carrión, E., Vargas, E. C., Alvarez, J. M., Gallardo, J. N., St, H. y Martínez, L. (2011).

Estrategia de conservación y calidad de vida. Turrialba, Costa Rica. Retrieved from

https://agritrop.cirad.fr/579868/3/579868.pdf

Castillo Romero, O. (2012). Aplicación espectral y topológica en el procesamiento de

imágenes satelitales. Universidad Nacional de Colombia.

- 101 -

CBLAT. (2014). CBLAT: ¿Quienes Somos? Retrieved January 10, 2018, from

http://cblat.blogspot.com/p/quienes-somos.html

CCT - MAG. (2004). Mapa Ecológico de Costa Rica, según el sistema de clasificación de

Zonas de Vida del mundo de L. R. Holdridge (Bolaños, R; Watson; V. 1993 / CCT /

esc: 1 : 200 000).

Chassot, O., Morera, C., Chávez, S., Domian, E., Morera, C. V., Bustillos, N. C. y Jiménez,

L. C. (2007). Corredores biologicos : acercamiento conceptual y experiencias en

America. Centro Científico Tropical (Costa Rica).

Chavez, P. S. (2006). Image-Based Atmospheric Corrections - Revisted and improved.

Engineering and Remote Sensing, 62(9), 1025–1036.

Chuvieco, E. (1995). Fundamentos De Teledeteccion Espacial. (Ediciones RIALP. S.A, Ed.)

(Segunda ed). Alcalá, Madrid. https://doi.org/23.304-1995

Chuvieco Salinero, E. (1996). Fundamentos de Teledetección Espacial. (S. . Ediciones

RIALP, Ed.) (Tercera ed). Madrid.

Chuvieco Salinero, E. (2008). Teledeteccion ambiental la observacion de la tierra desde el

espacio. Ariel. Retrieved from

https://books.google.co.cr/books?id=aKsNXCVCtcQC&pg=PA24&hl=es&source=gb

s_selected_pages&cad=2#v=onepage&q&f=false

Consejo de Europa. El Convenio Europeo del Paisaje (2000). Madrid, España.

Coronado, M. (2014). Análisis de la fragmentación en el Parque Nacional Cerro Azul

Meámbar ( PANACAM ), 29.

Couto, P. (2004). Análise factorial aplicada a métricas da paisagem definidas em

FRAGSTATS. Investigação Operacional, 24, 109–137.

Decreto 25721 - MINAE. Reglamento a La Ley Forestal (1997). La Gaceta. Diario Oficial

No. 16, 23 ene. Costa Rica.

Decreto 26395 - MINAE. Creación de Comisión de Implementación del Plan de Manejo y

Desarrollo de la Cuenca del Embalse Arenal (1997). La Gaceta, Diario Oficial No. 202,

- 102 -

21 oct. Costa Rica.

Decreto 27388 - MINAE. Principios, Criterios e Indicadores de Manejo Forestal y

Certificación (1998). La Gaceta, Diario Oficial No. 212, 2 nov. Costa Rica.

Decreto 37187 - MINAET. Creación de la Comisión de Implementación y Desarrollo de la

Cuenca Arenal Tempisque (CIDECAT) y derogatoria del Decreto Ejecutivo No 26395-

MINAE del 18 de setiembre de 1997 (2012). La Gaceta. Diario Oficial No. 170. Alcance

123, 4 sep. Costa Rica.

Decreto 5706 - Asamblea Legislativa. Garantía con BID Préstamo del ICE Proyecto

Hidroeléctrico Arenal (1975). Colección de Leyes y Decretos. 4:1419, 4 jun. Costa Rica.

Decreto Ejecutivo 34433 - MINAE. Reglamento a la Ley de Biodiversidad (2008). La

Gaceta, Diario Oficial No. 68, 8 abr. Costa Rica.

Delgado, L., Ramos, S., Martínez, N. y García, P. (2003). Ecología de Paisajes, Sensores

Remotos y Sistemas de Información Geográfica: Nuevas Perspectivas para el Manejo

de Problemas en Salud Pública, Caso Particular la Malaria en el Estado Sucre,

Venezuela. Acta Cient Estud 2003; 1(4): 128-142.

Diccionario Enciclopédico Dominicano de Medio Ambiente. (n.d.). Término cobertura

forestal. Retrieved September 26, 2017, from

http://www.diccionariomedioambiente.org/diccionariomedioambiente/es/definicionVe

r.asp?id=186

Duarte, E., Emanuelli, P., Milla, F., Orellana, O. y López, S. (2015). Sitio piloto Cantón de

Puriscal: Análisis de cambios de la cobertura forestal y uso de la tierra mediante

imágenes satelitales de alta resolución espacial: Años 2009-2012-2015. Costa Rica.

Eastman, J. R. (2003). IDRISI Kilimanjaro: Guide to GIS and Image Processing. Worcester,

MA.

Forman, R. T. T. y Godron, M. (1986). Landscape Ecology (John Wiley). New York.

Fundación para el Desarrollo del Área de Conservación Arenal (FUNDACA). (2014). ¿Qué

hacemos? Retrieved February 10, 2018, from https://fundaca.wordpress.com/

- 103 -

Galván-Guevara, S., Ballut-Dajud, G. y De La Ossa-V, J. (2015). Determinación de la

fragmentación del bosque seco del arroyo, 16(2), 149–158.

Gómez, A., Anaya, J. y Alvarez, E. (2005). Análisis de fragmentación de los ecosistemas

boscosos en una región de la cordillera central de los andes colombianos. Revista

Ingenierías Universidad de Medellín, 4(7), 13–27. Retrieved from

http://scienti.colciencias.gov.co:8084/publindex/docs/articulos/1692-

3324/2291769/2306313.pdf

González Puente, M., Castells Pérez, M. y Baraut Riu, R. (2010). Análisis de la cobertura de

la tierra en el Área de Conservación Arenal-Tempisque de Costa Rica. Costa Rica.

Instituto Costarricense de Electricidad (ICE). (2017). Informe de Seguimiento I Trimestre

Plan Operativo Institucional (POI). Costa Rica.

Jiménez, J. y González, E. (2001). La Cuenca del Río Tempisque: Perspectivas para un

Manejo Integrado. San José, Costa Rica.

Jung, M. (2016). LecoS - A python plugin for automated landscape ecology analysis.

Ecological Informatics, 31, 18–21. https://doi.org/10.1016/j.ecoinf.2015.11.006

Kattan, G. H. (2002). Fragmentación: patrones y mecanismos de extinción de especies.

Ecología Y Conservación de Bosques Neotropicales, 1, 561–582.

Ley 449 - Poder Legislativo. Ley de Creación del Instituto Costarricense de Electricidad

(ICE) (1949). La Gaceta. Diario Oficial. 8 de abril del 1949. 1:257. Costa Rica.

Ley No. 7575 - Asamblea Legislativa. Ley Forestal. (1996). La Gaceta. Diario Oficial.

Alcance N. 72, feb. 13:1-8. Costa Rica.

Lozano Botache, L. A., Gómez Aguilar, F. A. y Valderrama Chaves, S. (2011). Estado de

fragmentación de los bosques naturales en el norte del departamento del Tolima-

Colombia. Tumbaga, (6), 125–140.

Matteucci, S. D. y Silva, M. (2009). Selección de métricas de configuración espacial para la

regionalización de un territorio antropizado. (A. de G. Españoles, Ed.). Madrid,

España. Retrieved from http://www.ebrary.com

- 104 -

Mcgarigal, K. (2015). Fragstats.Help.4.2, (April), 1–182. https://doi.org/10.1016/S0022-

3913(12)00047-9

McGarigal, K. y Marks, B. J. (1994). FRAGSTATS: spatial pattern analysis program for

quantifying landscapesStructure. General Technical Report PNW-GTR-351. U.S.

Department of Agriculture, Forest Service, Pacific Northwest Research Station.

Portland, OR, 97331(503), 134. https://doi.org/10.1061/(ASCE)0733-

9437(2005)131:1(94) CE

Ministerio de Agricultura y Ganadería (MAG). (2013). Manual para la interpretación de

imágenes de sensores remotos de las principales coberturas y usos de la tierra de Costa

Rica. (MAG/INTA/FITTACORI/SUNII, Ed.). San José, Costa Rica.

Moizo Marrubio, P. (2004). La percepción remota y la tecnología SIG: Una aplicacion en

ecología de paisaje. Geofocus. Revista Internacional de Ciencia Y Tecnologia de La

Información Geográfica, 4, 1–24.

Mora, L. (1992). Diagnóstico Sectorial Forestal. Costa Rica.

Morales-Hernández, J. C. y Carrillo-González, F. M. (2016). Cambio de cobertura vegetal

en la región de Bahía de Banderas, México, 38(1), 17–29.

Morera, C., Pintó, J. y Romero, M. (2007). Paisaje , Procesos De Fragmentación Y Redes

Ecológicas : Aproximación, (June 2016), 11–32. Retrieved from

https://www.researchgate.net/profile/Carlos_Morera_beita/publication/256495889_PA

ISAJE_PROCESOS_DE_FRAGMENTACIN_Y_REDES_ECOLGICAS_APROXIM

ACIN_CONCEPTUAL/links/0deec5231d7ebb5356000000.pdf

Morera Beita, C. y Sandoval, L. F. (2016). Evaluación de la cobertura boscosa en Costa Rica :

Un análisis a nivel de Áreas de Conservación en el año 2000. Revista Geográfica de

América Central, 1(56), 163–181. https://doi.org/DOI:

http://dx.doi.org/10.15359/rgac.1-56.7

NASA. (2013). Landsat 7 Science Data Users Handbook. Retrieved from

http://landsathandbook.gsfc.nasa.gov

Noss, R. (1986). Nodes, networks, and MUM’s: Preserving diversity at all scales.

- 105 -

Environmental Management, 10(3), 299–309.

Osuna-Osuna, A. K., Díaz-Torres, J. D. J., Anda-Sánchez, J. De, Villegas-García, E.,

Gallardo-Valdez, J. y Davila-Vazquez, G. (2015). Evaluación de cambio de cobertura

vegetal y uso de suelo en la cuenca del río Tecolutla, Veracruz, México; periodo 1994-

2010. Revista Ambiente E Agua, 10(2), 351–363.

Patton, D. R. (1975). A Diversity Index for Quantifying Habitat “Edge.” Wildlife Society

Bulletin, 3(4), 171.

Pincheira-Ulbrich, J., Rau, J. y Peña-Cortés, F. (2009). Tamaño y forma de fragmentos de

bosque y su relación con la riqueza de especies de árboles y arbustos Patch size and

shape and their relationship with tree and shrub species richness. Fyton, 78, 121–128.

Pineda Jaimes, N. B., Bosque Sendra, J., Gómez Delgado, M. y Plata Rocha, W. (2009).

Análisis de cambio del uso del suelo en el Estado de México mediante sistemas de

información geográfica y técnicas de regresión multivariantes: Una aproximación a los

procesos de deforestación. Investigaciones Geográficas, 69(69), 33–52.

https://doi.org/ISSN 0188-4611,

Pinto Fusalba, J. (2001). Problemática de las conexiones biológicas en territorios densamente

urbanizados. El caso del área metropolitana de Barcelona. In Congreso de Geógrafos

Españoles. XVII. 2001. Oviedo (pp. 198–201).

Pontius, R. G., Shusas, E. y McEachern, M. (2004). Detecting important categorical land

changes while accounting for persistence. Agriculture, Ecosystems and Environment,

101(2–3), 251–268. https://doi.org/10.1016/j.agee.2003.09.008

Rajendaran, P. y Mani, K. (2015). Quantifying the Dynamics of Landscape Patternsin.

International Journal of Research in Engineering and Applied Sciences, 5(10), 77–87.

Retrieved from http://ddd.uab.cat/pub/dag/02121573n48/02121573n48p151.pdf

Ramos Bendaña, Z. S. (2004). Estructura y composición de un paisaje boscoso fragmentado:

Herramienta para el diseño de estrategias de conservación de la biodiversidad.

Rejas Ayuga, J. G. (2008). Tratamiento Digital Previo de las Imágenes. Sistemas de

Información Geográfica Y Teledetección, 34.

- 106 -

Rempel, R. S., Kaukinen., D. y Carr., A. P. (2012). Patch Analyst and Patch Grid. Thunder

Bay, Ontario.: Ontario Ministry of Natural Resources. Centre for Northern Forest

Ecosystem Research. Retrieved from http://cnfer.on.ca/SEP/patchanalyst/

Rodríguez Pérez, D., Sánchez Carnero, N. y Domínguez Gómez, J. A. (2015). Cuestiones de

teledeteccion. Madrid, España: UNED - Universidad Nacional de Educación a

Distancia.

Rojas, F. (2014). Propuesta de Gestión Integrada del Recurso Hídrico para las cuencas

Arenal, Tempisque y Bebedero. Costa Rica.

Rojas, L. y Chavarría, M. (2005). Corredores biológicos de Costa Rica. (Corredor Biológico

Mesoamericano sección CR, Ed.). San José.

Romero, F. (2006). Teledetección Satelital en la Vision Territorial y Sistemas De Proteccion

Ambiental Urbano-Rural (1a Parte). Urbano, 9(14), 77–84.

Salvador, R., Pons, X. y Diego, F. (1996). Validación de un método de corrección

radiométrica sobre diferentes áreas montañosas. Revista de Teledetección, 7, 3–7.

Sánchez, E., Granados, A., Chávez, J., Villegas, I. y Mendoza, R. (2010). Crecimiento

urbano y configuración del paisaje en Ciudad Juárez, Chihuahua. Ciudad juárez,

México. 28 p.

Saunders, D. A., Hobbs, R. J. y Margules, C. R. (1991). Biological Consequences of

Ecosystem Fragmentation - a Review. Conservation Biology, 5(1), 18–32.

https://doi.org/10.1111/j.1523-1739.1991.tb00384.x

Sistema Nacional de Áreas de Conservación - SINAC. (2007). Propuesta de ordenamiento

territorial para la conservación de la biodiversidad en Costa Rica. Volumen I. Análisis

de vacíos de conservación en Costa Rica. San José, Costa Rica. 91 p.

Sistema Nacional de Áreas de Conservación - SINAC. (2008). Guía práctica para el diseño,

oficialización y consolidadación de corredores biológicos en Costa Rica. San José.

Sistema Nacional de Áreas de Conservación - SINAC. (2016). Corredores Biológicos.

Retrieved September 12, 2016, from

- 107 -

http://www.sinac.go.cr/ES/correbiolo/Paginas/default.aspx

Sistema Nacional de Áreas de Conservación - SINAC - Programa REDD-CCAD-GIZ.

(2015). Marco conceptual y metodológico para las faes de premuestreo y muestreo

(Compilado). San José, Costa Rica.

Sistema Nacional de Áreas de Conservación (SINAC) - Programa REDD-CCAD-GIZ.

(2015). Cartografía base para el Inventario Forestal Nacional de Costa Rica 2013-

2014. San José, Costa Rica.

Turner. (1989). Landscape ecology: the effect of pattern on process. Annual review of

ecology and systematics. Retrieved from

http://www.jstor.org/stable/2097089?seq=1#page_scan_tab_contents

Turner. (1996). of tropical Species loss in fragments rain forest : a review of the evidence

continuous is very. Journal O Applied Ecology, 33, 200–209.

United States Geological Survey (USGS). (2016). Landsat Project Description. Retrieved

June 4, 2017, from https://landsat.usgs.gov/landsat-project-description

United States Geological Survey (USGS). (2017a). Landsat 9 | Landsat Missions. Retrieved

September 11, 2017, from https://landsat.usgs.gov/landsat-9-history

United States Geological Survey (USGS). (2017b). Landsat Missions Timeline | Landsat

Missions. Retrieved September 11, 2017, from https://landsat.usgs.gov/landsat-

missions-timeline

United States Geological Survey (USGS). (2017c, June 22). What are the band designations

for the Landsat satellites? Retrieved September 10, 2017, from https://landsat.usgs.gov

Valdés, A. (2011). Modelos de paisaje y análisis de fragmentación : de la biogeografía de

islas a la aproximación de paisaje continuo. Ecosistemas, 20(2), 11–20.

Vargas, L. y León, A. (2012). Coordinando esfuerzos para la integración y desarrollo en las

cuencas embalse Arenal y Tempisque . La labor de Cidecat, 43(1), 39–46.

Vila, J., Varga, D., Llausàs, A. y Ribas, A. (2006). Conceptos y métodos fundamentales en

ecología del paisaje (landscape ecology). Una interpretación desde la geografía.

- 108 -

Documents D’anàlisi Geogràfica, (48), 151–166. Retrieved from

http://ddd.uab.cat/pub/dag/02121573n48/02121573n48p151.pdf

Villavicencio Serrano, D. (2012). Analisis silvicultural, estudio del grado de fragmentación

y propuesta de ordenamiento forestal para los bosques de la cuenca media del Río

Aranjuez, Costa Rica. Instituto Tecnológico de Costa Rica.

Williams-Linera, G., Manson, R. H. y Isunza Vera, E. (2002). La fragmentación del bosque

mesófilo de montaña y patrones de uso del suelo en la región oeste de Xalapa , Veracruz

, México. Madera Y Bosques, 8(1), 73–89.

Zerda, H. (2001). Clasificación digital de coberturas vegetales a partir de datos satelitales

multiespectrales, (1), 1–6.